55 artículos
Este artículo presenta un marco teórico no lineal que modela la dinámica de la reforma del gasto público en Uruguay, demostrando que los costos de ajuste institucional y las fricciones laborales generan una trayectoria de gasto en forma de J, donde el gasto total aumenta inicialmente antes de converger hacia una asignación más eficiente a largo plazo.
Este artículo presenta un método para identificar y estimar un modelo logit semiparamétrico con redes sociales endógenas, demostrando que los parámetros de pendiente se identifican puntualmente mediante comparaciones pareadas de agentes con comportamientos de formación de vínculos idénticos y proponiendo estimadores consistentes que corrigen el sesgo derivado de rasgos individuales no observados.
Este artículo propone una nueva familia de estimadores de varianza robustos al agrupamiento bidireccional basados en el jackknife de conglomerados, que garantizan inferencias válidas y mejoran significativamente el rendimiento en muestras finitas, acompañados de un paquete de software para Stata.
Este artículo presenta nuevos resultados asintóticos y regiones de confianza uniformemente válidas para el estimador Adaptive LASSO en regresiones cointegradas con regresores locales a la unidad, demostrando mediante simulaciones y una aplicación empírica que estos métodos superan a los basados en la propiedad óráculo al ofrecer una cobertura fiable y factible en escenarios de muestra finita donde los coeficientes son pequeños pero no nulos.
Este artículo propone un estimador doblemente robusto con corrección de varianza tipo jackknife HAC para realizar inferencia estadística espacialmente robusta y con intervalos de confianza válidos en escenarios de datos con etiquetas faltantes al azar (MAR) y dependencia espacial, abordando la distorsión en la estimación de la varianza causada por el cross-fitting.
Este artículo demuestra que las simulaciones basadas en el diseño que fijan los resultados y re-muestrean los choques pueden generar conclusiones erróneas sobre la validez de la inferencia en diseños de cuota de cambio al confundir los efectos del tratamiento con la dependencia de errores, y propone alternativas que alinean mejor el proceso generador de datos simulado con la realidad.
Este artículo presenta un nuevo método de inferencia semimódular bayesiana para modelos de cópula que asigna un parámetro de influencia individual a cada marginal, permitiendo una robustificación flexible frente a la mala especificación mediante optimización bayesiana y superando las limitaciones de los enfoques de dos módulos existentes.
Este artículo propone un estimador de varianza conservador y asintóticamente válido para la suma de una matriz triangular de vectores aleatorios con medias heterogéneas y dependencia en racimo o débil, corrigiendo así la subestimación de la varianza y el tamaño excesivo de las pruebas que surgen al utilizar estimadores estándar diseñados para medias homogéneas.
Este artículo establece un teorema del límite central para modelos de formación de redes con interacciones estratégicas y agentes homófilos, demostrando que bajo condiciones de estabilización derivadas de la teoría de procesos de ramificación, es posible realizar inferencia práctica en redes de gran tamaño.
Este artículo refuta la suficiencia de la condición de identificación global propuesta por Rubio-Ramírez et al. (2010) para los modelos SVAR mediante un contraejemplo que revela la redundancia de restricciones, y propone una condición necesaria y suficiente modificada que corrige dicha deficiencia.
Este artículo aborda la identificación parcial de modelos SVAR heterocedásticos ante la multiplicidad de eigenvalores, derivando conjuntos identificados para las funciones de respuesta al impulso mediante restricciones de cero o signo y proponiendo un método de inferencia robusta basado en un enfoque bayesiano, ilustrado con un ejemplo sobre el mercado global del petróleo.
Este artículo propone un marco de vectores autorregresivos estructurales con rupturas (SVAR-WB) que integra restricciones de estabilidad y desigualdad para abordar problemas de identificación local, ofreciendo métodos de inferencia bayesiana y robusta que consideran todos los parámetros estructuralmente equivalentes observacionalmente.
El estudio propone DisSim-FinBERT, un marco novedoso que integra la simplificación discursiva con el análisis de sentimientos basado en aspectos para mejorar la precisión de las predicciones de sentimiento y la extracción de mensajes clave en textos financieros complejos como las actas del Comité Federal de Mercado Abierto.
Este artículo aborda los desafíos de identificación local pero no global en los SVARs proponiendo algoritmos para calcular exhaustivamente todos los parámetros estructurales admisibles y desarrollar procedimientos de inferencia bayesianos y frecuentistas válidos para el conjunto de respuestas al impulso resultante.
Este artículo critica el uso excesivo y a menudo impreciso de la significancia estadística en la modelización de elecciones, abogando por una mayor claridad en el reporte de incertidumbre y por priorizar la relevancia conductual y política junto con consideraciones específicas del campo, como la disposición a pagar y la heterogeneidad aleatoria.
El artículo argumenta que el resultado promedio esperado, al promediar tanto sobre las unidades como sobre las asignaciones de tratamiento, constituye un estimando que combina la interpretabilidad como resumen de efectos individuales con la suficiencia necesaria para la elección óptima de políticas en redes de interferencia.
Este artículo desarrolla métodos de estimación e inferencia para un modelo macroeconómico con múltiples equilibrios conductuales bajo aprendizaje de ganancia constante, demostrando la consistencia y normalidad asintótica de los estimadores, abordando distribuciones límite no estándar cuando las soluciones se repiten, y validando el enfoque mediante simulaciones y una aplicación empírica.
Este artículo establece tasas de convergencia generales y precisas para las estadísticas ordenadas inducidas bajo condiciones de suavidad débiles y primitivas, permitiendo su aplicación en puntos interiores y de frontera (como en diseños de discontinuidad regresiva) y revelando una compensación clara entre la suavidad y la velocidad de convergencia en distancias de Hellinger y variación total.
El artículo presenta ForeComp, un paquete de R que facilita la comparación de la precisión predictiva mediante pruebas de tipo Diebold-Mariano utilizando inferencia de suavizado fijo, e incluye herramientas visuales para diagnosticar la sensibilidad al ancho de banda y el equilibrio entre tamaño y potencia, todo ello ilustrado con aplicaciones a las Encuestas de Pronósticos Profesionales y evidencia de simulación.
Este artículo establece un marco unificado que demuestra la isomorfía entre la identificación de parámetros estructurales y el análisis contrafactual en modelos incompletos, extendiendo los métodos de función de soporte más allá de las condiciones de acotación integrable para garantizar resultados precisos bajo restricciones de soporte y momentos.