Estimação de regressões aditivas via backfitting e integração marginal: performance em pequenas amostras

Nesta dissertação realizou-se um experimento de Monte Carlo para re- velar algumas características das distribuições em amostras finitas dos estimadores Backfitting (B) e de Integração Marginal(MI) para uma regressão aditiva bivariada. Está-se particularmente interessado em fornecer alguma evidência de como os diferentes métodos de seleção da janela hn, tais co- mo os métodos plug-in, impactam as propriedades em pequenas amostras dos estimadores. Está-se interessado, também, em fornecer evidência do comportamento de diferentes estimadores de hn relativamente a seqüência ótima de hn que minimiza uma função perda escolhida. O impacto de ignorar a dependência entre os regressores na estimação da janela é tam- bém investigado. Esta é uma prática comum e deve ter impacto sobre o desempenho dos estimadores. Além disso, não há nenhuma rotina atual- mente disponível nos pacotes estatísticos/econométricos para a estimação de regressões aditivas via os métodos de Backfitting e Integração Marginal. É um dos objetivos a criação de rotinas em Gauss para a implementação prática destes estimadores. Por fim, diferentemente do que ocorre atual- mente, quando a utilização dos estimadores-B e MI é feita de maneira completamente ad-hoc, há o objetivo de fornecer a usuários informação que permita uma escolha mais objetiva de qual estimador usar quando se está trabalhando com uma amostra finita.

Forecasting accuracy and estimation uncertainty using VAR models with short- and long-term economic restrictions: a Monte-Carlo study

Using vector autoregressive (VAR) models and Monte-Carlo simulation methods we investigate the potential gains for forecasting accuracy and estimation uncertainty of two commonly used restrictions arising from economic relationships. The Örst reduces parameter space by imposing long-term restrictions on the behavior of economic variables as discussed by the literature on cointegration, and the second reduces parameter space by imposing short-term restrictions as discussed by the literature on serial-correlation common features (SCCF). Our simulations cover three important issues on model building, estimation, and forecasting. First, we examine the performance of standard and modiÖed information criteria in choosing lag length for cointegrated VARs with SCCF restrictions. Second, we provide a comparison of forecasting accuracy of Ötted VARs when only cointegration restrictions are imposed and when cointegration and SCCF restrictions are jointly imposed. Third, we propose a new estimation algorithm where short- and long-term restrictions interact to estimate the cointegrating and the cofeature spaces respectively. We have three basic results. First, ignoring SCCF restrictions has a high cost in terms of model selection, because standard information criteria chooses too frequently inconsistent models, with too small a lag length. Criteria selecting lag and rank simultaneously have a superior performance in this case. Second, this translates into a superior forecasting performance of the restricted VECM over the VECM, with important improvements in forecasting accuracy ñreaching more than 100% in extreme cases. Third, the new algorithm proposed here fares very well in terms of parameter estimation, even when we consider the estimation of long-term parameters, opening up the discussion of joint estimation of short- and long-term parameters in VAR models.

Model selection, estimation and forecasting in VAR models with short-run and long-run restrictions

We study the joint determination of the lag length, the dimension of the cointegrating space and the rank of the matrix of short-run parameters of a vector autoregressive (VAR) model using model selection criteria. We suggest a new two-step model selection procedure which is a hybrid of traditional criteria and criteria with data-dependant penalties and we prove its consistency. A Monte Carlo study explores the finite sample performance of this procedure and evaluates the forecasting accuracy of models selected by this procedure. Two empirical applications confirm the usefulness of the model selection procedure proposed here for forecasting.

Estimation of DSGE Models: A Monte Carlo Analysis

Neste trabalho investigamos as propriedades em pequena amostra e a robustez das estimativas dos parâmetros de modelos DSGE. Tomamos o modelo de Smets and Wouters (2007) como base e avaliamos a performance de dois procedimentos de estimação: Método dos Momentos Simulados (MMS) e Máxima Verossimilhança (MV). Examinamos a distribuição empírica das estimativas dos parâmetros e sua implicação para as análises de impulso-resposta e decomposição de variância nos casos de especificação correta e má especificação. Nossos resultados apontam para um desempenho ruim de MMS e alguns padrões de viés nas análises de impulso-resposta e decomposição de variância com estimativas de MV nos casos de má especificação considerados.

Bayesian analysis of extreme events with threshold estimation

The aim of this paper is to analyze extremal events using Generalized Pareto Distributions (GPD), considering explicitly the uncertainty about the threshold. Current practice empirically determines this quantity and proceeds by estimating the GPD parameters based on data beyond it, discarding all the information available be10w the threshold. We introduce a mixture model that combines a parametric form for the center and a GPD for the tail of the distributions and uses all observations for inference about the unknown parameters from both distributions, the threshold inc1uded. Prior distribution for the parameters are indirectly obtained through experts quantiles elicitation. Posterior inference is available through Markov Chain Monte Carlo (MCMC) methods. Simulations are carried out in order to analyze the performance of our proposed mode1 under a wide range of scenarios. Those scenarios approximate realistic situations found in the literature. We also apply the proposed model to a real dataset, Nasdaq 100, an index of the financiai market that presents many extreme events. Important issues such as predictive analysis and model selection are considered along with possible modeling extensions.

An evolving possibilistic fuzzy modeling approach for value-at-risk estimation

Market risk exposure plays a key role for nancial institutions risk management. A possible measure for this exposure is to evaluate losses likely to incurwhen the price of the portfolio's assets declines using Value-at-Risk (VaR) estimates, one of the most prominent measure of nancial downside market risk. This paper suggests an evolving possibilistic fuzzy modeling approach for VaR estimation. The approach is based on an extension of the possibilistic fuzzy c-means clustering and functional fuzzy rule-based modeling, which employs memberships and typicalities to update clusters and creates new clusters based on a statistical control distance-based criteria. ePFM also uses an utility measure to evaluate the quality of the current cluster structure. Computational experiments consider data of the main global equity market indexes of United States, London, Germany, Spain and Brazil from January 2000 to December 2012 for VaR estimation using ePFM, traditional VaR benchmarks such as Historical Simulation, GARCH, EWMA, and Extreme Value Theory and state of the art evolving approaches. The results show that ePFM is a potential candidate for VaR modeling, with better performance than alternative approaches.

Higher salaries, more teaching, better performance? The effects of the introduction of the minimum salary for teachers in Brazil

De acordo com a literatura empírica, há fortes evidências de que, após o controle de características socioeconômicas dos alunos, a qualidade dos professores é o fator mais importante para explicar o desempenho do aluno em testes padronizados. No entanto, não há consenso sobre como sistemas públicos de ensino podem melhorar a qualidade dos professores. Será que o pagamento de salários mais elevados a professores da rede pública impactam a qualidade dos professores nas escolas públicas? O Governo Federal brasileiro introduziu, em 2009, piso salarial nacional para os professores de escolas públicas, provocando um perceptível aumento exógeno dos salários dos professores municipais. O principal objetivo desta tese é avaliar os impactos de curto prazo da elevação linear e incondicional do salário do professor na qualidade da educação. Devido à ausência de dados secundários sobre o valor do salário-base de professores entre 2008 e 2013, tivemos que realizar um levantamento com as Secretarias Municipais de Educação para reunir informação sobre a estrutura da carreira docente e sobre os salários-bases nesse período. Com base em nossa pesquisa de campo, o primeiro capítulo investiga a conformidade dos sistemas municipais de ensino ao piso salarial nacional para professores de redes públicas. Encontramos que fatores não observáveis/observados são determinantes para explicar a variabilidade salarial verificada entre os municípios e o cumprimento da lei, o que embasa nossa estratégia de identificação com base em métodos de diferença em diferenças, combinados com pareamento com base em escore de propensão. O segundo capítulo centra-se na estimativa do impacto da elevação dos salários dos professores sobre a proficiência dos alunos de 5º ano do ensino fundamental municipal. De acordo com estes resultados, o aumento salarial incondicional não gerou uma expansão da proficiência escolar dos alunos, pelo menos no curto prazo. Embora não tenham sido detectados impactos na aprendizagem dos alunos, alguns mecanismos de transmissão do aumento salarial para melhores resultados educacionais podem já ter sido ativados. Assim, o principal objetivo do terceiro capítulo é avaliar o impacto dos aumentos de salário sobre a qualidade dos professores atuais e dos potenciais futuros professores. Avaliamos o impacto de aumentos de salário sobre o desempenho dos professores no ENADE, uma proxy de sua qualidade, e sobre a atratividade dos cursos de ensino superior associados à carreira docente. Essa atratividade é medida por meio da qualidade dos que entram nos respectivos cursos superiores, de acordo com seu desempenho no Enem. Neste último capítulo, aplicamos modelo de Tripla-Diferenças visando controlar dois tipos de potenciais fatores de confusão: (i) mudanças no desempenho dos professores (potenciais futuros professores) entre grupos de municípios, que foram submetidos ao tratamento e os que não foram tratados, que nada têm a ver com a política; e (ii) as alterações no desempenho de todos os professores (alunos) que vivem no município em que houve a elevação salarial devido à introdução da lei. As estimativas obtidas indicam que a elevação salarial gerou efeitos leves sobre a qualidade dos professores e sobre a atratividade dos cursos relacionados à carreira docente.