Aspectos do mercado eleitoral brasileiro: análise econométrica do impacto dos gastos de campanha nas eleições para a Câmara e o Senado de 2002

Esta dissertação de mestrado em economia foi motivada por uma questão complexa bastante estudada na literatura de economia política nos dias de hoje: as formas como campanhas políticas afetam votação em uma eleição. estudo procura modelar mercado eleitoral brasileiro para deputados federais senadores. Através de um modelo linear, conclui-se que os gastos em campanha eleitoral são fatores decisivos para eleição de um candidato deputado federal. Após reconhecer que variável que mede os gastos em campanha possui erro de medida (devido ao famoso "caixa dois", por exemplo), além de ser endógena uma vez que candidatos com maiores possibilidades de conseguir votos conseguem mais fontes de financiamento -, modelo foi estimado por variáveis instrumentais. Para senadores, utilizando modelos lineares modelos com variável resposta binaria, verifica-se também importância, ainda que em menor escala, da campanha eleitoral, sendo que um fator mais importante para corrida ao senado parece ser uma percepção priori da qualidade do candidato.

Tributação de energia elétrica e bem-estar social: uma análise regional

Os reflexos da tributação sobre o setor elétrico ultrapassam as questões meramente arrecadatórias de estados, municípios e União, envolvem toda a produção do país e o bem-estar de sua população. Neste contexto, e com o intuito de trazer as questões de eficiência e redistributividade ao ambiente de tributação de energia elétrica, o presente trabalho pretende apresentar um panorama da tributação atual do consumo residencial de energia elétrica, principalmente em relação ao ICMS, juntamente com um cálculo simplificado de alíquotas considerando dois modelos de tributação ótima, estabelecidos por F. R. Ramsey e Diamond e Mirrlees, a partir dos quais é possível realizar comparações em relação ao modelo atual e sintetizar uma visão nacional de uma tributação realizada em sua maior parte regionalmente. O primeiro modelo considera apenas eficiência na definição das alíquotas aplicadas aos produtos, partindo da premissa de que todos os consumidores são idênticos e não há preocupações com equidade. As elasticidades necessárias para aplicação do critério de Ramsey são estimadas a partir de dados em painel das 64 distribuidoras de energia elétrica do país, utilizando um modelo em dois estágios com variável instrumental. O segundo modelo, proposto por Diamond e Mirrlees, incorpora a equidade na modelagem, introduzindo a diferenciação entre os indivíduos.

Optimal two-sided tests for instrumental variables regression with heteroskedastic and autocorrelated errors

This paper considers two-sided tests for the parameter of an endogenous variable in an instrumental variable (IV) model with heteroskedastic and autocorrelated errors. We develop the nite-sample theory of weighted-average power (WAP) tests with normal errors and a known long-run variance. We introduce two weights which are invariant to orthogonal transformations of the instruments; e.g., changing the order in which the instruments appear. While tests using the MM1 weight can be severely biased, optimal tests based on the MM2 weight are naturally two-sided when errors are homoskedastic. We propose two boundary conditions that yield two-sided tests whether errors are homoskedastic or not. The locally unbiased (LU) condition is related to the power around the null hypothesis and is a weaker requirement than unbiasedness. The strongly unbiased (SU) condition is more restrictive than LU, but the associated WAP tests are easier to implement. Several tests are SU in nite samples or asymptotically, including tests robust to weak IV (such as the Anderson-Rubin, score, conditional quasi-likelihood ratio, and I. Andrews' (2015) PI-CLC tests) and two-sided tests which are optimal when the sample size is large and instruments are strong. We refer to the WAP-SU tests based on our weights as MM1-SU and MM2-SU tests. Dropping the restrictive assumptions of normality and known variance, the theory is shown to remain valid at the cost of asymptotic approximations. The MM2-SU test is optimal under the strong IV asymptotics, and outperforms other existing tests under the weak IV asymptotics.

Invariant tests in an instrumental variables model with unknown data generating process

In this work we focus on tests for the parameter of an endogenous variable in a weakly identi ed instrumental variable regressionmodel. We propose a new unbiasedness restriction for weighted average power (WAP) tests introduced by Moreira and Moreira (2013). This new boundary condition is motivated by the score e ciency under strong identi cation. It allows reducing computational costs of WAP tests by replacing the strongly unbiased condition. This latter restriction imposes, under the null hypothesis, the test to be uncorrelated to a given statistic with dimension given by the number of instruments. The new proposed boundary condition only imposes the test to be uncorrelated to a linear combination of the statistic. WAP tests under both restrictions to perform similarly numerically. We apply the di erent tests discussed to an empirical example. Using data from Yogo (2004), we assess the e ect of weak instruments on the estimation of the elasticity of inter-temporal substitution of a CCAPM model.

A obtenção de efetividade em organizações em crise: a racionalidade instrumental / estrutural necessárias. Estudo de caso do DETRAN - Departamento de Trânsito do Estado do Rio de Janeiro no Projeto Licenciamento Anual de Veículos Automotores Terrestres com aferição de gases poluentes para a DRV - Diretoria de Registro de Veículos

Esta dissertação procura abordar a adoção de teorias de gerenciamento organizacional centradas na racionalidade instrumental e estrutural capazes de contribuir para promover mudanças em organizações públicas ou privadas. Como pesquisa e estudo de caso investigaremos as intervenções realizadas na gestão dos subsistemas social, técnico e diretivo da DRV - Diretoria de Registro de Veículos do Departamento Estadual de Trânsito do Estado do Rio de Janeiro - Detran/RJ no período de 1996 a 1998, particularmente, demonstrando até que ponto a adoção, na prática, de alguns preceitos das teorias organizacionais de gerenciamento clássicas, fundamentadas na centralização do poder e na descentralização operacional, puderam contribuir para a transformação de uma organização institucionalmente entrópica, gerando maior efetividade na prestação de serviços através da implementação de inovações em tecnologia de administração e informação, com reflexos em todas as demais ações da instituição e nos resultados altamente significativos para a população e para a segurança pública, com a obtenção de efetividade organizacional no tocante à qualidade dos serviços para os usuários e aumento da receita.

Optimal IV estimation of systems with stochastic regressors and var disturbances with applications to dynamic systems

This paper considers the general problem of Feasible Generalized Least Squares Instrumental Variables (FG LS IV) estimation using optimal instruments. First we summarize the sufficient conditions for the FG LS IV estimator to be asymptotic ally equivalent to an optimal G LS IV estimator. Then we specialize to stationary dynamic systems with stationary VAR errors, and use the sufficient conditions to derive new moment conditions for these models. These moment conditions produce useful IVs from the lagged endogenous variables, despite the correlation between errors and endogenous variables. This use of the information contained in the lagged endogenous variables expands the class of IV estimators under consideration and there by potentially improves both asymptotic and small-sample efficiency of the optimal IV estimator in the class. Some Monte Carlo experiments compare the new methods with those of Hatanaka [1976]. For the DG P used in the Monte Carlo experiments, asymptotic efficiency is strictly improved by the new IVs, and experimental small-sample efficiency is improved as well.

Wald tests for IV regression with weak instruments

This dissertation deals with the problem of making inference when there is weak identification in models of instrumental variables regression. More specifically we are interested in one-sided hypothesis testing for the coefficient of the endogenous variable when the instruments are weak. The focus is on the conditional tests based on likelihood ratio, score and Wald statistics. Theoretical and numerical work shows that the conditional t-test based on the two-stage least square (2SLS) estimator performs well even when instruments are weakly correlated with the endogenous variable. The conditional approach correct uniformly its size and when the population F-statistic is as small as two, its power is near the power envelopes for similar and non-similar tests. This finding is surprising considering the bad performance of the two-sided conditional t-tests found in Andrews, Moreira and Stock (2007). Given this counter intuitive result, we propose novel two-sided t-tests which are approximately unbiased and can perform as well as the conditional likelihood ratio (CLR) test of Moreira (2003).

Asymptotic efficiency in an instrumental variable model

Esta dissertação se propõe ao estudo de inferência usando estimação por método generalizado dos momentos (GMM) baseado no uso de instrumentos. A motivação para o estudo está no fato de que sob identificação fraca dos parâmetros, a inferência tradicional pode levar a resultados enganosos. Dessa forma, é feita uma revisão dos mais usuais testes para superar tal problema e uma apresentação dos arcabouços propostos por Moreira (2002) e Moreira & Moreira (2013), e Kleibergen (2005). Com isso, o trabalho concilia as estatísticas utilizadas por eles para realizar inferência e reescreve o teste score proposto em Kleibergen (2005) utilizando as estatísticas de Moreira & Moreira (2013), e é obtido usando a teoria assintótica em Newey & McFadden (1984) a estatística do teste score ótimo. Além disso, mostra-se a equivalência entre a abordagem por GMM e a que usa sistema de equações e verossimilhança para abordar o problema de identificação fraca.