Ensaios sobre heteroscedasticidade em modelos de efeitos fixos

Abstract

Esta tese é composta de quatro ensaios que estendem e avaliam o desempenho de uma classe de estimadores consistentes da matriz de covariâncias nos modelos de efeitos fixos. No primeiro ensaio as simulações evidenciam que o estimador proposto por Arellano (1987) pode não ser a melhor opção quando o teste é conduzido com resíduos irrestritos. Os resultados mostram que há uma considerável vantagem em utilizar o estimador CHC4 quando o tamanho amostral é pequeno ou se existem pontos de alavanca nos dados. Por outro lado, quando a avaliação é conduzida com resíduos restritos, os resultados favorecem o estimador CHCR0. Estimadores de bootstrap também são avaliados e produzem, em alguns casos, resultados melhores que os estimadores consistentes. O segundo ensaio avalia o desempenho dos estimadores consistentes da matriz de covariâncias, na construção de intervalos de confiança. Os resultados mostram que o estimador CHC4 tem desempenho superior aos demais estimadores consistentes, principalmente se os dados contêm pontos de alavanca. O terceiro ensaio avalia numericamente a qualidade da aproximação usual para a distribuição exata dos testes quase-t. Os resultados mostram que, se a estatística de teste é construída com resíduos irrestritos, o estimador mais amplamente utilizado conduz a testes quase-t com aproximações bastante ruins sendo o CHC4 a estratégia de inferência preferencial. Por outro lado, se a estatística de teste é construída com resíduos restritos, o estimador de Arellano torna-se a opção mais adequada. O quarto e último ensaio mostra que a inferência sobre os parâmetros do modelo de Diferenças em Diferenças (DD) pode ser imprecisa quando os problemas de heteroscedasticidade e/ou autocorrelação serial nos erros são ignorados. O desempenho dos testes baseados no estimador de Arellano e de outros estimadores consistentes nos modelos de DD é avaliado na presença de ambos. Os resultados mostram que, num modelo que contém apenas a dummy de intervenção, o desempenho dos testes baseados nos nesses estimadores é similar. No entanto, é possível melhorar a qualidade da inferência se o modelo de regressão possui variáveis de controle adicionais com pontos alavancados.