55 artigos
Este artigo desenvolve um modelo teórico não linear que analisa a dinâmica de reformas fiscais no Uruguai, demonstrando que os custos de ajuste e atritos institucionais geram uma trajetória de gastos públicos em forma de "J", onde o dispêndio total aumenta inicialmente antes de convergir para uma alocação mais eficiente no longo prazo.
Este artigo propõe um método de identificação e estimação para modelos logit semiparamétricos com redes sociais endógenas, demonstrando que a distribuição logística permite identificar parâmetros de inclinação através de comparações entre agentes com comportamentos de formação de rede idênticos, o que resulta em estimadores consistentes e impacta significativamente a análise de adoção de microfinanças.
Este artigo propõe e valida uma nova família de estimadores de variância robusta ao agrupamento bidimensional baseada no jackknife de clusters, que, quando combinada com métodos para evitar matrizes de variância indefinidas, oferece inferências mais precisas em amostras finitas para modelos de efeitos fixos, com implementação disponível no pacote Stata `twowayjack`.
Este artigo apresenta novos resultados assintóticos para o estimador Adaptive LASSO em regressões de cointegração com regressores locais à unidade, demonstrando que as aproximações baseadas na propriedade de oráculo podem ser inadequadas e propondo regiões de confiança uniformemente válidas e fáceis de implementar que cobrem com segurança todo o espaço de parâmetros.
O artigo propõe um estimador duplamente robusto com correção de variância jackknife HAC para garantir inferência estatística espacialmente válida e intervalos de confiança confiáveis em cenários de dados com rótulos ausentes e dependentes, superando as distorções causadas pela correlação induzida pelo cross-fitting.
Este artigo demonstra que simulações baseadas em desenho que fixam resultados e reamostram choques em designs de compartilhamento de deslocamento podem confundir efeitos causais reais com dependência de erros, levando a distorções na inferência, e propõe alternativas que alinham melhor o processo gerador de dados simulado com a realidade.
Este artigo propõe um novo método de inferência semi-modular bayesiana para modelos de cópula que atribui um parâmetro de influência individual a cada margem, permitindo uma robustez flexível contra a especificação incorreta das distribuições marginais e otimizando esses parâmetros via otimização bayesiana para generalizar abordagens anteriores de dois módulos.
Este artigo propõe um estimador de variância conservador e assintoticamente válido para somas de matrizes triangulares de vetores aleatórios com médias heterogêneas e dependência em dois sentidos ou fraca, corrigindo a subestimação e o tamanho excessivo dos testes causados por estimadores padrão que assumem médias homogêneas.
Este artigo prova um teorema do limite central para modelos de formação de redes com interações estratégicas e agentes homofílicos, estabelecendo condições de dependência fraca baseadas em processos de ramificação para permitir inferência prática em redes de grande escala.
Este artigo refuta a suficiência da condição de identificação global proposta por Rubio-Ramirez, Waggoner e Zha (2010) para SVARs, demonstrando por contraexemplo que ela falha ao não considerar restrições redundantes, e propõe uma condição necessária e suficiente modificada que corrige essa falha.
Este artigo investiga a identificação de modelos SVAR heterocedásticos com quebras de variância, propondo a derivação de conjuntos de identificação para respostas ao impulso e inferência robusta quando a multiplicidade de autovalores impede a identificação pontual, ilustrado por uma aplicação ao mercado global de petróleo.
Este artigo propõe uma classe de modelos SVAR com quebras estruturais (SVAR-WB) que incorpora restrições entre regimes para melhorar a identificação, derivando condições para identificação pontual e por conjuntos e desenvolvendo métodos de inferência robustos que superam as limitações das abordagens frequentistas e bayesianas tradicionais ao lidar com parâmetros estruturais observacionalmente equivalentes.
Este estudo propõe o DisSim-FinBERT, um novo framework que integra simplificação discursiva e análise de sentimento baseada em aspectos para aprimorar a extração de mensagens centrais e a precisão das previsões de sentimento em textos financeiros complexos, como os atas do FOMC.
Este artigo propõe novos procedimentos de estimação e inferência para SVARs que apresentam identificação local, mas não global, permitindo a computação exaustiva de todos os parâmetros estruturais admissíveis e a realização de inferência robusta sobre o conjunto de respostas ao choque, superando assim os desafios de sensibilidade ao prior e de amostragem multimodal.
Este artigo comenta o uso excessivo e muitas vezes impreciso da significância estatística na modelagem de escolhas, criticando a dependência de níveis de confiança fixos e a notação por asteriscos, enquanto defende uma abordagem mais rigorosa no cálculo e relato de incertezas e a consideração da significância comportamental e política, especialmente em relação a medidas derivadas e heterogeneidade aleatória.
O artigo argumenta que, em redes onde os resultados são interdependentes, o "resultado médio esperado" é o estimando preferível para a formulação de políticas, pois combina uma interpretação clara como resumo de efeitos individuais com a suficiência necessária para a escolha ótima de políticas de utilidade social, superando as limitações de outras medidas comuns.
Este artigo desenvolve métodos de estimação e inferência para um modelo macroeconômico com múltiplos equilíbrios comportamentais, estabelecendo a consistência e a normalidade assintótica do estimador de mínimos quadrados não lineares e propondo procedimentos de inferência que lidam com distribuições limite não padrão quando as soluções de equilíbrio se repetem.
Este artigo estabelece taxas de convergência gerais e precisas para estatísticas ordenadas induzidas sob condições de suavidade fracas, permitindo a análise de pontos de fronteira e interiores essenciais para designs de descontinuidade de regressão e outros métodos de otimização.
O artigo apresenta o pacote R "ForeComp", uma ferramenta para comparar a precisão preditiva utilizando testes do tipo Diebold-Mariano com inferência de suavização fixa, oferecendo diagnósticos visuais e evidências empíricas sobre seu desempenho em amostras finitas.
Este artigo desenvolve um quadro unificado para análise contrafactual em modelos incompletos com restrições de suporte e momentos, demonstrando que a identificação de parâmetros estruturais e a análise contrafactual são tarefas isomórficas e provando que a abordagem da função de suporte permanece nítida para o fechamento de momentos sob condições mínimas, permitindo assim a realização de análises contrafactuais sem a necessidade de simular resultados de modelos com previsões conjuntas.