Comparação de estimadores alternativos para modelos dinâmicos com dados de painel

Abstract

Esta dissertação tem por objeto de estudo métodos de estimação para modelos dinâmicos com dados de painel. Estes modelos são usualmente estimados pelo método dos momentos generalizados (GMM), sendo o principal objetivo desta dissertação a análise do desempenho de algumas variantes desse método em pequenas amostras, de modo a verificar se as suas propriedades assimptóticas conhecidas são de alguma forma indicadoras das suas propriedades em amostras finitas. Assim, através dum estudo de simulação de Monte Carlo, examinou-se o comportamento desses estimadores em amostras finitas em vários cenários alternativos, que passam: por considerar o caso homoscedástico e heteroscedástico para a componente do termo do erro variante no tempo; por gerar esta componente do erro de acordo com as distribuições Normal, t-Student e Qui-Quadrado; por considerar diferentes valores para a dimensão da amostra tanto em termos seccionais como temporais; por considerar diferentes pesos de cada componente do erro na variância da variável dependente; e por considerar diferentes valores para o parâmetro auto-regressivo. De entre os estimadores GMM, os estimadores SYS revelam um comportamento muito melhor, mostrando-se claramente preferíveis aos DIF para valores de δ` Próximos de um, e evidenciando uma certa robustez face aos vários cenários analisados. Em particular, a Versão proposta por Windmeijer (2000) parece ser a mais indicada para trabalho empírico. /ABSTRACT - In this dissertation we studied estimation methods for dynamic models for panel data. These models are usually estimated by the generalized method of moments (GMM), being the main goal of this dissertation the analysis of the small sample properties of the main variants of that method. Thus, through a Monte Carlo simulation study, the behaviour of those estimators was examined in finite samples in several alternative sceneries, including: homoscedastic and heteroscedastic time-variant error terms; error terms generated according to the Normal, t-Student and chi-square distributions; different cross-sectional and time-series sample sizes; different weights of each error component in the variance of the dependent variable; different values for the autoregressive parameter. The best behaviour was displayed by the variant SYS, which is clearly preferable to the variant DIF for values of the auto-regressive parameter close to the unity and seems to be robust to the several sceneries analyzed. Among the alternative SYS estimators, the version proposed by Windmeijer (2000) appears to be the most suitable for empiric Work.