55 artigos
Este artigo propõe uma abordagem de identificação robusta à declaração estratégica de preferências para derivar limites precisos sobre os efeitos causais da alocação escolar, aplicando-a a dados do mecanismo de aceitação diferida no Chile e revelando heterogeneidade significativa no sucesso de graduação.
Este artigo desenvolve testes de quebra estrutural baseados em auto-normalização para regressões de CoVaR e quantis preditivos, os quais são válidos independentemente da estacionariedade dos preditores e demonstram eficácia tanto em simulações quanto em aplicações empíricas sobre prêmio de ações e risco sistêmico.
Este artigo fornece uma prova formal de que o estimador de máxima verossimilhança quase (QMLE) para modelos de escolha binária é consistente para o coeficiente angular sob as mesmas condições estabelecidas por Manski, preenchendo uma lacuna teórica deixada por Ruud (1983) e validando o uso da regressão logística nesses contextos.
Este artigo analisa a dinâmica do comércio com flutuações heterogêneas através de dois capítulos que modelam choques de preços e de mercado de trabalho, utilizando dados provinciais da China para demonstrar que políticas monetárias e de inovação fortalecem a competitividade das exportações, enquanto a cooperação é essencial para que as flutuações do mercado de trabalho beneficiem o comércio internacional, sugerindo que as políticas ótimas devem promover transições dinâmicas nos padrões comerciais em vez de manter vantagens comparativas estáticas.
O artigo apresenta uma crítica à função utilitária "hipocrática", argumentando que, embora sua motivação ética seja válida, o escopo de aplicação desse critério de decisão é limitado, conforme ilustrado por um exemplo específico.
Este artigo propõe uma abordagem semiparamétrica estruturada baseada em redes neurais para corrigir o viés causado pela interferência algorítmica em experimentos de plataformas de conteúdo, permitindo a estimativa precisa do efeito global do tratamento ao modelar explicitamente a competição por exposição entre criadores.
Este artigo desenvolve estimadores GMM e M e estabelece suas propriedades assintóticas, incluindo consistência e normalidade assintótica, para dados dependentes de rede, fundamentando-se em um novo teorema uniforme da lei dos grandes números.
O artigo "TEA-Time" propõe uma estrutura para transportar efeitos de tratamento entre diferentes períodos temporais, desenvolvendo estimadores duplamente robustos e demonstrando, através de simulações e aplicação em dados reais, o trade-off entre viés e variância entre duas estratégias de identificação.
Este artigo propõe um framework unificado de calibração que integra informações heterogêneas, como dados auxiliares e previsões de aprendizado de máquina, em experimentos randomizados adaptativos a covariáveis, garantindo validade assintótica e eficiência sem prejuízo ao estimar efeitos de tratamento.
Este artigo propõe um teste Bayesiano baseado em fatores para endogeneidade, utilizando a estrutura de verossimilhança empírica exponencialmente inclinada, que demonstra consistência assintótica na seleção correta entre modelos de regressão com regressores exógenos ou endógenos e é aplicado a estudos de demanda de automóveis e volume de passageiros aéreos.
Este artigo caracteriza analiticamente a flexibilidade do Método de Controle Sintético em termos de graus de liberdade e propõe critérios de informação estimáveis que superam a validação cruzada na seleção de parâmetros, aplicando-se com sucesso à avaliação do impacto do racionamento de licenças de carro em Tianjin.
Este artigo propõe e valida, teoricamente e via simulações, um estimador de soma quadrática condicional modificada (MCSS) que elimina o viés causado pela estimação de uma constante em modelos ARFIMA, demonstrando desempenho superior ao estimador CSS tradicional mesmo em amostras pequenas, e aplica essa metodologia a três conjuntos de dados clássicos.
Este artigo propõe um novo intervalo de confiança para o parâmetro autoregressivo que é robusto tanto assintoticamente quanto em amostras finitas a condições iniciais não estacionárias e à heterocedasticidade condicional, mantendo um comprimento competitivo quando a condição inicial é estacionária ou fixa.
Este artigo apresenta um teste regularizado baseado na estatística de portmanteau para verificar a ausência de dependência serial linear e não linear em séries temporais não Gaussianas de alta dimensão.
Este artigo propõe um novo modelo ARCH em nível de operador para dados em espaços de Hilbert que captura a evolução completa do operador de covariância condicional, estabelecendo condições para soluções estacionárias, derivando estimadores consistentes e validando a abordagem através de simulações e aplicação a retornos intradiários de alta frequência.
Este artigo propõe a Regressão Gimbal (GR), um framework de regressão local determinístico e geometricamente consciente que utiliza pesos direcionais explícitos e soluções de forma fechada para garantir estabilidade numérica e diagnósticos transparentes na presença de heterogeneidade espacial e vizinhanças anisotrópicas.
Este artigo propõe uma modificação do estimador de Aprendizado de Máquina Duplo, denominada "Reverse Cross-Fitting", que aproveita a reversibilidade temporal de séries estacionárias para permitir inferência causal válida e robusta em contextos de séries temporais macroeconômicas de alta dimensão, como demonstrado em simulações e na aplicação à estimação dos efeitos dinâmicos de um aumento no capital regulatório Tier 1.
Este artigo estabelece uma teoria unificada para a estimação e inferência de funcionais identificados por "conjuntos finos" (subvariedades), demonstrando que a taxa de convergência minimax ótima depende criticamente da dimensão intrínseca da subvariedade e fornecendo métodos de inferência assintoticamente normais.
Este artigo propõe um estimador de variáveis instrumentais corretamente centrado para modelos de regressão linear com dados agrupados e controles de alta dimensão, permitindo inferência robusta em cenários com restrições de exclusão complexas e dependência intra-agrupamento, como ilustrado em um estudo sobre intervenções fiscais no Quênia.
Este artigo estabelece uma conexão inovadora entre a correção robusta de viés e o pré-emprego de bootstrap para propor um novo procedimento de inferência não paramétrica que gera intervalos de confiança 17% mais curtos sem comprometer a cobertura assintótica, independentemente da localização do ponto de avaliação, escolha da janela ou distribuições dos dados.