Semiparametric estimation and inference using doubly robust moment conditions

We study semiparametric two-step estimators which have the same structure as parametric doubly robust estimators in their second step. The key difference is that we do not impose any parametric restriction on the nuisance functions that are estimated in a first stage, but retain a fully nonparametric model instead. We call these estimators semiparametric doubly robust estimators (SDREs), and show that they possess superior theoretical and practical properties compared to generic semiparametric two-step estimators. In particular, our estimators have substantially smaller first-order bias, allow for a wider range of nonparametric first-stage estimates, rate-optimal choices of smoothing parameters and data-driven estimates thereof, and their stochastic behavior can be well-approximated by classical first-order asymptotics. SDREs exist for a wide range of parameters of interest, particularly in semiparametric missing data and causal inference models. We illustrate our method with a simulation exercise.

Non-durable consumption and real-estate prices in Brazil: panel-data analysis at the state level

Housing is an important component of wealth for a typical household in many countries. The objective of this paper is to investigate the effect of real-estate price variation on welfare, trying to close a gap between the welfare literature in Brazil and that in the U.S., the U.K., and other developed countries. Our first motivation relates to the fact that real estate is probably more important here than elsewhere as a proportion of wealth, which potentially makes the impact of a price change bigger here. Our second motivation relates to the fact that real-estate prices boomed in Brazil in the last five years. Prime real estate in Rio de Janeiro and São Paulo have tripled in value in that period, and a smaller but generalized increase has been observed throughout the country. Third, we have also seen a recent consumption boom in Brazil in the last five years. Indeed, the recent rise of some of the poor to middle-income status is well documented not only for Brazil but for other emerging countries as well. Regarding consumption and real-estate prices in Brazil, one cannot imply causality from correlation, but one can do causal inference with an appropriate structural model and proper inference, or with a proper inference in a reduced-form setup. Our last motivation is related to the complete absence of studies of this kind in Brazil, which makes ours a pioneering study. We assemble a panel-data set for the determinants of non-durable consumption growth by Brazilian states, merging the techniques and ideas in Campbell and Cocco (2007) and in Case, Quigley and Shiller (2005). With appropriate controls, and panel-data methods, we investigate whether house-price variation has a positive effect on non-durable consumption. The results show a non-negligible significant impact of the change in the price of real estate on welfare consumption), although smaller then what Campbell and Cocco have found. Our findings support the view that the channel through which house prices affect consumption is a financial one.

Ensaios em econometria aplicada

Este tese é composta por quatro ensaios sobre aplicações econométricas em tópicos econômicos relevantes. Os estudos versam sobre consumo de bens não-duráveis e preços de imóveis, capital humano e crescimento econômico, demanda residencial de energia elétrica e, por fim, periodicidade de variáveis fiscais de Estados e Municípios brasileiros. No primeiro artigo, "Non-Durable Consumption and Real-Estate Prices in Brazil: Panel-Data Analysis at the State Level", é investigada a relação entre variação do preço de imóveis e variação no consumo de bens não-duráveis. Os dados coletados permitem a formação de um painel com sete estados brasileiros observados entre 2008- 2012. Os resultados são obtidos a partir da estimação de uma forma reduzida obtida em Campbell e Cocco (2007) que aproxima um modelo estrutural. As estimativas para o caso brasileiro são inferiores as de Campbell e Cocco (2007), que, por sua vez, utilizaram microdados britânicos. O segundo artigo, "Uma medida alternativa de capital humano para o estudo empírico do crescimento", propõe uma forma de mensuração do estoque de capital humano que reflita diretamente preços de mercado, através do valor presente do fluxo de renda real futura. Os impactos dessa medida alternativa são avaliados a partir da estimação da função de produção tradicional dos modelos de crescimento neoclássico. Os dados compõem um painel de 25 países observados entre 1970 e 2010. Um exercício de robustez é realizado para avaliar a estabilidade dos coeficientes estimados diante de variações em variáveis exógenas do modelo. Por sua vez, o terceiro artigo "Household Electricity Demand in Brazil: a microdata approach", parte de dados da Pesquisa de Orçamento Familiar (POF) para mensurar a elasticidade preço da demanda residencial brasileira por energia elétrica. O uso de microdados permite adotar abordagens que levem em consideração a seleção amostral. Seu efeito sobre a demanda de eletricidade é relevante, uma vez que esta demanda é derivada da demanda por estoque de bens duráveis. Nesse contexto, a escolha prévia do estoque de bens duráveis (e consequentemente, a escolha pela intensidade de energia desse estoque) condiciona a demanda por eletricidade dos domicílios. Finalmente, o quarto trabalho, "Interpolação de Variáveis Fiscais Brasileiras usando Representação de Espaço de Estados" procurou sanar o problema de baixa periodicidade da divulgação de séries fiscais de Estados e Municípios brasileiros. Através de técnica de interpolação baseada no Filtro de Kalman, as séries mensais não observadas são projetadas a partir de séries bimestrais parcialmente observadas e covariáveis mensais selecionadas.

The causal effect of family size on child labor and education

This paper investigates the causal relationship between family size and child labor and education among brazilian children. More especifically, it analyzes the impact of family size on child labor, school attendance, literacy and school progression. It explores the exogenous variation in family size driven by the presence of twins in the family. The results are consistent under the reasonable assumption that the instrument is a random event. Using the nationally representative brazilian household survey (Pnad), detrimental effects are found on child labor for boys. Moreover, significant effects are obtained for school progression for girls caused by the exogenous presence of the young siblings in the household.

Variáveis explicativas da internacionalização de franquias brasileiras: um estudo causal à luz das teorias da agência e da escassez de recursos

Este trabalho objetiva entender o processo de internacionalização de franquias brasileiras, fenômeno de importância teórica e prática, através do estudo do grau de associação entre uma série de variáveis organizacionais e a internacionalização de franquias. Para tanto efetuou-se uma revisão bibliográfica visando colher subsídios para a formulação de onze hipóteses envolvendo às variáveis acima mencionadas. Tais hipóteses foram testadas a partir de dados provenientes de 293 franquias que participaram da publicação - 500 Franquias para Você Investir edição 2009/10. O estudo adotou como base teórica principal às teorias da Agência e da Escassez de Recursos. Os resultados obtidos apontam para a não existência de correlação das variáveis crescimento do faturamento e do número de unidades ano contra ano e a internacionalização de franquias, indicando que um crescimento interno acentuado diminui as vantagens relativas de se internacionalizar. Argumentos semelhantes podem ser utilizados para explicar a não correlação entre as variáveis financeiras e o processo de internacionalização. A variável faturamento apresentou uma correlação significativa com a internacionalização, o que sugere que o acúmulo de recursos permite desenvolver novos e mais efetivos mecanismos de controle, permite o acesso a novos e mais baratos mecanismos de financiamento e dá um indicativo importante da razoável exploração dos mercados internos e necessidade de busca de novos mercados. Contudo, foram as variáveis idade da empresa e número de unidades franqueadas as características com maior poder explicativo no estudo, o que revela comportamentos peculiares do mercado brasileiro como uma baixa diferença entre o tempo de fundação da empresa e da entrada no sistema de franquias e a opção por crescer através de franquias ao invés de unidades próprias, mais rentáveis, mesmo quando a franquia atinge a maturidade.

Modelo causal explicativo para o formalismo: um estudo de caso do Banco Central do Brasil

Sendo um dos objetivos básicos do Banco Central do Brasil a produção de normas visando o controle da política econômica, creditícia e cambial, e tendo esta organização um caráter estritamente normativo, esta dissertação estuda, a partir de um modelo causal explicativo, as formas em que se apresenta o fenômeno denominado formalismo, buscando retratar as discrepâncias existentes entre o que está escrito nas leis e normas e o que é, de fato, realizado na prática.

Nexo causal em matéria penal: análise da jurisprudência dos tribunais de justiça

Este artigo discute uma pesquisa empírica apresentada em 2009 como trabalho de conclusão de curso na DIREITO GV sobre a definição da causalidade para responsabilização criminal nos tribunais de justiça. Foram analisadas 84 apelações criminais julgadas entre 2007 e 2008 e extraídos resultados quantitativos e qualitativos relacionados aos dados do processo, ao resultado da decisão e à argumentação. A análise desses resultados levou a cinco principais constatações: (1) a discussão sobre nexo causal ocorre quase exclusivamente em casos de crimes culposos; (2) muitas vezes, apesar de discutido pelas partes, a existência de nexo causal não é afirmada no acórdão; (3) o nexo causal é frequentemente afirmado com pouca fundamentação e, em geral, com menos argumentos do que a afirmação de culpa; (4) a teoria mais utilizada pelos tribunais é a da equivalência das condições; e (5) o nexo causal é frequentemente afirmado como decorrência da culpa.

New evidence of the causal effect of family size on child quality in a developing country

This paper presents new evidence of the causal effect of family size on child quality in a developing-country context. We estimate the impact of family size on child labor and educational outcomes among Brazilian children and young adults by exploring the exogenous variation of family size driven by the presence of twins in the family. Using the Brazilian Census data for 1991, we nd that the exogenous increase in family size is positively related to labor force participation for boys and girls and to household chores for young women. We also and negative e ects on educational outcomes for boys and girls and negative impacts on human capital formation for young female adults. Moreover, we obtain suggestive evidence that credit and time constraints faced by poor families may explain the findings.

O problema do nexo causal na responsabilização das empresas tabagistas

Desde o início da década de 1990, quando o Código de Defesa do Consumidor entrou em vigor, diversos fumantes passaram a buscar no judiciário a responsabilização das empresas tabagistas pelos danos advindos do fumo. Acerca desta pretensão dos consumidores, diversos são os debates. O objetivo deste trabalho é verificar como a jurisprudência brasileira enfrentou e enfrenta as dificuldades em se estabelecer o nexo causal entre a atividade desenvolvida pelas empresas tabagistas e os danos sofridos pelos fumantes. A escolha pelo estudo do nexo de causalidade no caso da responsabilização das empresas tabagistas decorre do fato de este revelar-se o maior obstáculo para que seja reconhecida a responsabilidade das referidas empresas.

‘Avaliações de impactos’: pensamento contrafactual e inferência causal, controles experimentais e estudos observacionais

Por todo o mundo gasta-se milhões em políticas públicas, programas e campanhas de preservação ambiental e minoração de mazelas sociais. Nas últimas décadas, diversas ferramentas vêm sendo desenvolvidas com objetivo de tornar a gestão e a avaliação de políticas, programas e campanhas nas áreas social, e socioambiental, mais eficientes.

Inference in differences-in-differences with few treated groups and heteroskedasticity

Differences-in-Differences (DID) is one of the most widely used identification strategies in applied economics. However, how to draw inferences in DID models when there are few treated groups remains an open question. We show that the usual inference methods used in DID models might not perform well when there are few treated groups and errors are heteroskedastic. In particular, we show that when there is variation in the number of observations per group, inference methods designed to work when there are few treated groups tend to (under-) over-reject the null hypothesis when the treated groups are (large) small relative to the control groups. This happens because larger groups tend to have lower variance, generating heteroskedasticity in the group x time aggregate DID model. We provide evidence from Monte Carlo simulations and from placebo DID regressions with the American Community Survey (ACS) and the Current Population Survey (CPS) datasets to show that this problem is relevant even in datasets with large numbers of observations per group. We then derive an alternative inference method that provides accurate hypothesis testing in situations where there are few treated groups (or even just one) and many control groups in the presence of heteroskedasticity. Our method assumes that we can model the heteroskedasticity of a linear combination of the errors. We show that this assumption can be satisfied without imposing strong assumptions on the errors in common DID applications. With many pre-treatment periods, we show that this assumption can be relaxed. Instead, we provide an alternative inference method that relies on strict stationarity and ergodicity of the time series. Finally, we consider two recent alternatives to DID when there are many pre-treatment periods. We extend our inference methods to linear factor models when there are few treated groups. We also derive conditions under which a permutation test for the synthetic control estimator proposed by Abadie et al. (2010) is robust to heteroskedasticity and propose a modification on the test statistic that provided a better heteroskedasticity correction in our simulations.

Inference in differences-in-differences with few treated groups and heteroskedasticity

Differences-in-Differences (DID) is one of the most widely used identification strategies in applied economics. However, how to draw inferences in DID models when there are few treated groups remains an open question. We show that the usual inference methods used in DID models might not perform well when there are few treated groups and errors are heteroskedastic. In particular, we show that when there is variation in the number of observations per group, inference methods designed to work when there are few treated groups tend to (under-) over-reject the null hypothesis when the treated groups are (large) small relative to the control groups. This happens because larger groups tend to have lower variance, generating heteroskedasticity in the group x time aggregate DID model. We provide evidence from Monte Carlo simulations and from placebo DID regressions with the American Community Survey (ACS) and the Current Population Survey (CPS) datasets to show that this problem is relevant even in datasets with large numbers of observations per group. We then derive an alternative inference method that provides accurate hypothesis testing in situations where there are few treated groups (or even just one) and many control groups in the presence of heteroskedasticity. Our method assumes that we know how the heteroskedasticity is generated, which is the case when it is generated by variation in the number of observations per group. With many pre-treatment periods, we show that this assumption can be relaxed. Instead, we provide an alternative application of our method that relies on assumptions about stationarity and convergence of the moments of the time series. Finally, we consider two recent alternatives to DID when there are many pre-treatment groups. We extend our inference method to linear factor models when there are few treated groups. We also propose a permutation test for the synthetic control estimator that provided a better heteroskedasticity correction in our simulations than the test suggested by Abadie et al. (2010).