Essays in dynamic panel data econometrics
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Tese |
Idioma: | eng |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/31422 |
Resumo: | Eu considero a estimação eficiente de um modelo de painel dinâmico com efeitos fixos, heteroscedasticidade temporal, condições iniciais arbitrárias e co-variáveis. Encontro uma estatística invariante máxima que pode ser usada para estimar os parâmetros de interesse de forma consistente quando há um grande número de observações. Além disso, eu mostro que todas as condições de momento encontradas na literatura de painel dinâmico podem ser escritas como combinaçõoes lineares das condições de momento fornecidos pela estatística invariante maximal. Portanto, estimadores baseados nestes momentos têm menor variância. Finalmente, quando confrontados com o problema de estimar um modelo de painel dinâmico, um pesquisador aplicado gostaria de usar estimadores que estão centrados em torno dos verdadeiros valores dos parãmetros de interesse e têm as menores variâncias. Essas variâncias mínimas são encontradas assumindo que alguns dos parâmetros são extraídos de uma distribuição desconhecida. É comum acreditar que as variâncias encontradas desta forma também são válidas se os parâmetros são constantes desconhecidas. Neste artigo vamos discutir em que medida essa conjectura é verdadeira para os modelos de painel dinâmico. |
id |
FGV_f76fa4feb73eca4918c31421657d57d6 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/31422 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Barbosa, José Diogo Valadares MoreiraEscolas::EPGEFernandes, MarceloPinto, Cristine Campos de XavierMedeiros, Marcelo CunhaGiovannetti, Bruno CaraMoreira, Marcelo Jovita2021-12-17T17:01:40Z2021-12-17T17:01:40Z2014-10-31https://hdl.handle.net/10438/31422Eu considero a estimação eficiente de um modelo de painel dinâmico com efeitos fixos, heteroscedasticidade temporal, condições iniciais arbitrárias e co-variáveis. Encontro uma estatística invariante máxima que pode ser usada para estimar os parâmetros de interesse de forma consistente quando há um grande número de observações. Além disso, eu mostro que todas as condições de momento encontradas na literatura de painel dinâmico podem ser escritas como combinaçõoes lineares das condições de momento fornecidos pela estatística invariante maximal. Portanto, estimadores baseados nestes momentos têm menor variância. Finalmente, quando confrontados com o problema de estimar um modelo de painel dinâmico, um pesquisador aplicado gostaria de usar estimadores que estão centrados em torno dos verdadeiros valores dos parãmetros de interesse e têm as menores variâncias. Essas variâncias mínimas são encontradas assumindo que alguns dos parâmetros são extraídos de uma distribuição desconhecida. É comum acreditar que as variâncias encontradas desta forma também são válidas se os parâmetros são constantes desconhecidas. Neste artigo vamos discutir em que medida essa conjectura é verdadeira para os modelos de painel dinâmico.I consider the ecient estimation of a dynamic panel model with fixed effects, time-series heteroskedasticity, arbitrary initial conditions and covariates. I find a maximal invariant statistic that can be used to consistently estimate the parameters of interest when there are a large number of cross-section. Also, I show that all moment conditions found in the dynamic panel literature can be written as linear combinations of the moment conditions provided by the maximal invariant statistic. Therefore, estimators based on these moments have minimum variance. Finally, when faced with the problem of estimating a dynamic panel model, an applied researcher would like to use estimators that are centered around the true values of the parameters of interest and have the smallest variances. These minimum variances are found assuming that some of the parameters are drawn from an unknown distribution. It is commonly believed that the variances found this way are also valid if the parameters are unknown constants. In this paper we discuss to which extent this conjecture is true for dynamic panel models.engPainel dinâmicoEficiênciaDynamic panelEfficiencyEconomiaEconometriaAnálise de painelEssays in dynamic panel data econometricsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis2014-10-31info:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVTEXTTeseJoseDiogo (1) (1).pdf.txtTeseJoseDiogo (1) (1).pdf.txtExtracted texttext/plain101704https://repositorio.fgv.br/bitstreams/a69f0d18-729a-4314-9201-fa8963dbab19/download6cfdac08e18459a4c3e140ed4bc83960MD55PDF.txtPDF.txtExtracted texttext/plain101704https://repositorio.fgv.br/bitstreams/a4381d66-cc97-4934-884e-b468871b5ef5/download6cfdac08e18459a4c3e140ed4bc83960MD57THUMBNAILTeseJoseDiogo (1) (1).pdf.jpgTeseJoseDiogo (1) (1).pdf.jpgGenerated Thumbnailimage/jpeg3028https://repositorio.fgv.br/bitstreams/243cecb7-b7f3-4852-abcf-bd81d168530c/download223503c1f3db3c62d8aa2ada2e28e3afMD56PDF.jpgPDF.jpgGenerated Thumbnailimage/jpeg3028https://repositorio.fgv.br/bitstreams/2b03750d-e347-4e3c-befd-5f816a0acf73/download223503c1f3db3c62d8aa2ada2e28e3afMD58ORIGINALPDFPDFapplication/pdf1067856https://repositorio.fgv.br/bitstreams/0faed954-377f-44be-9757-db60c3109863/downloaddb596049652225c85347e89c6fc9aa1bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/1f36f5cc-2fef-4684-a41e-9a9506893a13/downloaddfb340242cced38a6cca06c627998fa1MD5210438/314222024-07-08 19:11:32.563open.accessoai:repositorio.fgv.br:10438/31422https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742024-07-08T19:11:32Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.eng.fl_str_mv |
Essays in dynamic panel data econometrics |
title |
Essays in dynamic panel data econometrics |
spellingShingle |
Essays in dynamic panel data econometrics Barbosa, José Diogo Valadares Moreira Painel dinâmico Eficiência Dynamic panel Efficiency Economia Econometria Análise de painel |
title_short |
Essays in dynamic panel data econometrics |
title_full |
Essays in dynamic panel data econometrics |
title_fullStr |
Essays in dynamic panel data econometrics |
title_full_unstemmed |
Essays in dynamic panel data econometrics |
title_sort |
Essays in dynamic panel data econometrics |
author |
Barbosa, José Diogo Valadares Moreira |
author_facet |
Barbosa, José Diogo Valadares Moreira |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EPGE |
dc.contributor.member.none.fl_str_mv |
Fernandes, Marcelo Pinto, Cristine Campos de Xavier Medeiros, Marcelo Cunha Giovannetti, Bruno Cara |
dc.contributor.author.fl_str_mv |
Barbosa, José Diogo Valadares Moreira |
dc.contributor.advisor1.fl_str_mv |
Moreira, Marcelo Jovita |
contributor_str_mv |
Moreira, Marcelo Jovita |
dc.subject.por.fl_str_mv |
Painel dinâmico Eficiência |
topic |
Painel dinâmico Eficiência Dynamic panel Efficiency Economia Econometria Análise de painel |
dc.subject.eng.fl_str_mv |
Dynamic panel Efficiency |
dc.subject.area.por.fl_str_mv |
Economia |
dc.subject.bibliodata.por.fl_str_mv |
Econometria Análise de painel |
description |
Eu considero a estimação eficiente de um modelo de painel dinâmico com efeitos fixos, heteroscedasticidade temporal, condições iniciais arbitrárias e co-variáveis. Encontro uma estatística invariante máxima que pode ser usada para estimar os parâmetros de interesse de forma consistente quando há um grande número de observações. Além disso, eu mostro que todas as condições de momento encontradas na literatura de painel dinâmico podem ser escritas como combinaçõoes lineares das condições de momento fornecidos pela estatística invariante maximal. Portanto, estimadores baseados nestes momentos têm menor variância. Finalmente, quando confrontados com o problema de estimar um modelo de painel dinâmico, um pesquisador aplicado gostaria de usar estimadores que estão centrados em torno dos verdadeiros valores dos parãmetros de interesse e têm as menores variâncias. Essas variâncias mínimas são encontradas assumindo que alguns dos parâmetros são extraídos de uma distribuição desconhecida. É comum acreditar que as variâncias encontradas desta forma também são válidas se os parâmetros são constantes desconhecidas. Neste artigo vamos discutir em que medida essa conjectura é verdadeira para os modelos de painel dinâmico. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014-10-31 |
dc.date.accessioned.fl_str_mv |
2021-12-17T17:01:40Z |
dc.date.available.fl_str_mv |
2021-12-17T17:01:40Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/31422 |
url |
https://hdl.handle.net/10438/31422 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
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/a69f0d18-729a-4314-9201-fa8963dbab19/download https://repositorio.fgv.br/bitstreams/a4381d66-cc97-4934-884e-b468871b5ef5/download https://repositorio.fgv.br/bitstreams/243cecb7-b7f3-4852-abcf-bd81d168530c/download https://repositorio.fgv.br/bitstreams/2b03750d-e347-4e3c-befd-5f816a0acf73/download https://repositorio.fgv.br/bitstreams/0faed954-377f-44be-9757-db60c3109863/download https://repositorio.fgv.br/bitstreams/1f36f5cc-2fef-4684-a41e-9a9506893a13/download |
bitstream.checksum.fl_str_mv |
6cfdac08e18459a4c3e140ed4bc83960 6cfdac08e18459a4c3e140ed4bc83960 223503c1f3db3c62d8aa2ada2e28e3af 223503c1f3db3c62d8aa2ada2e28e3af db596049652225c85347e89c6fc9aa1b dfb340242cced38a6cca06c627998fa1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 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_ |
1813797830002737152 |