Theoretical advances in econometrics for high dimensionality panel data: essays on interactive fixed effect model
Carregando...
Arquivos
Data
2025-06-05
Autores
Orientador(res)
Ferman, Bruno
Fernandes, Marcelo
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Esta tese de doutorado explora métodos avançados utilizando o modelo de efeito fixo interativo (IFE) por meio de dois artigos. O primeiro artigo discute como realizar a correção de viés em combinações de previsões empregando uma estrutura de fatores flexível para o viés. Em contraste com abordagens existentes, permitimos que o viés varie entre modelos e ao longo do tempo, sem impor restrições à distribuição seccional e/ou à função de autocorrelação. Primeiro, estabelecemos condições suficientes sob as quais os pesos de mínimos quadrados irrestritos produzem uma combinação de previsão consistente. Em seguida, propomos dois métodos novos para combinações de previsões que são consistentes mesmo quando os pesos de mínimos quadrados irrestritos falham. O primeiro método emprega uma abordagem de controle sintético adequada para um número fixo de modelos de previsão individual, enquanto o segundo usa um modelo de fator linear para acomodar situações em que tanto o número de previsões disponíveis quanto os períodos tendem ao infinito. Empiricamente, avaliamos o desempenho de nossos métodos de combinação de previsões usando a pesquisa do BCE sobre previsores profissionais. O segundo artigo investiga os desafios de estimar efeitos de tratamento causal em configurações de dados em painel, onde resultados potenciais seguem um modelo de fator linear (LFM) e os efeitos de tratamento são heterogêneos. Mostramos que, quando a heterogeneidade do efeito de tratamento em si segue uma estrutura LFM, o estimador de efeitos fixos iterativos (IFE) proposto por Bai (2009) é inconsistente para uma média ponderada dos efeitos de tratamento. A fonte dessa inconsistência é que a heterogeneidade do efeito de tratamento é frequentemente classificada erroneamente como parte da estrutura de fatores latente, fazendo com que o estimador a controle como se fosse um fator de confusão—introduzindo efetivamente "controles ruins"do inglês bad control. Este desafio é distinto dos problemas bem conhecidos com efeitos de tratamento heterogêneos em estimadores de efeitos fixos com tratamento escalonado. Mostramos ainda que métodos alternativos—como abordagens de controle sintético e outros estimadores derivados de IFE—podem contornar essas armadilhas, evitando o uso de unidades tratadas no período pós-tratamento ao lidar com a estrutura de fatores.