Concorrência no mercado de crédito bancário brasileiro: abordagem via demanda residual

Este trabalho tem como objetivo verificar o grau de concorrência existente no mercado de crédito bancário brasileiro. A abordagem utilizada neste trabalho foi apresentada por Baker e Bresnahan (1985 e 1988) e trata da estimação da elasticidade de demanda residual, que fornece uma medida do poder de mercado da firma. Esta técnica é bastante conveniente para estimação de poder de mercado para indústrias com produtos diferenciados, como o setor bancário, onde elasticidades cruzadas são particularmente difíceis de serem mensuradas. Estimamos as curvas de demanda residual para os bancos do Brasil, Bradesco, Itaú, ABN Amro Real, Safra e Unibanco. Grande parcela dos dados foi extraída da contabilidade padrão Cosif, divulgada pelo Bacen. A partir dos resultados obtidos, observamos evidências de que o banco Safra atua competitivamente enquanto os dados dos demais bancos analisados apontam para a existência de algum poder no mercado de crédito bancário.

Poder de Mercado do café brasileiro nos EUA: abordagem via demanda residual

O objetivo deste trabalho é avaliar a competitividade do grão de café brasileiro no mercado americano. Diante das características particulares do mercado de grão de café verde, da variedade de possíveis interações estratégicas entre os competidores e da escassez de observações de qualidade, procura-se demonstrar neste estudo que a abordagem da demanda residual é a técnica mais adequada para atingir este fim. Estimamos a elasticidade da curva de demanda residual dos principais exportadores de café para os EUA através dos métodos de mínimos quadrados ordinários, mínimos quadrados dois estágios, mínimos quadrados três estágios e SUR. Observa-se, a partir dos resultados obtidos, poucos indícios de que o grão de café verde brasileiro, tanto do tipo arabica quanto dos demais, tenha um grau de competitividade significativo no mercado americano.

Correcting the fixed-effect estimator for endogenous switching

In this paper, we propose a two-step estimator for panel data models in which a binary covariate is endogenous. In the first stage, a random-effects probit model is estimated, having the endogenous variable as the left-hand side variable. Correction terms are then constructed and included in the main regression.

Trade Liberalization and Regional Impacts on Residual Wage Inequality: Evidence from Brazil

O objetivo deste trabalho é entender mais sobre o papel da liberalização sobre a desigualdade salarial, mais precisamente, sobre a desigualdade residual dos salários. Usando a abertura comercial brasileira, a extensa redução tarifária que ocorreu entre 1987 e 1995, é investigado empiricamente se os diferentes níveis de exposição ao comércio entre os estados contribuíram para os diferentes movimentos da desigualdade. Os resultados indicam que estados mais expostos à liberalização comercial experimentaram um aumento relativo da desigualdade residual dos salários ou, de forma equivalente, uma menor redução. Estes resultados enriquecem a discussão dos efeitos da abertura comercial sobre a desigualdade.

Revisiting the synthetic control estimator

The synthetic control (SC) method has been recently proposed as an alternative to estimate treatment effects in comparative case studies. The SC relies on the assumption that there is a weighted average of the control units that reconstruct the potential outcome of the treated unit in the absence of treatment. If these weights were known, then one could estimate the counterfactual for the treated unit using this weighted average. With these weights, the SC would provide an unbiased estimator for the treatment effect even if selection into treatment is correlated with the unobserved heterogeneity. In this paper, we revisit the SC method in a linear factor model where the SC weights are considered nuisance parameters that are estimated to construct the SC estimator. We show that, when the number of control units is fixed, the estimated SC weights will generally not converge to the weights that reconstruct the factor loadings of the treated unit, even when the number of pre-intervention periods goes to infinity. As a consequence, the SC estimator will be asymptotically biased if treatment assignment is correlated with the unobserved heterogeneity. The asymptotic bias only vanishes when the variance of the idiosyncratic error goes to zero. We suggest a slight modification in the SC method that guarantees that the SC estimator is asymptotically unbiased and has a lower asymptotic variance than the difference-in-differences (DID) estimator when the DID identification assumption is satisfied. If the DID assumption is not satisfied, then both estimators would be asymptotically biased, and it would not be possible to rank them in terms of their asymptotic bias.