Invariant tests in an instrumental variables model with unknown data generating process

Abstract

In this work we focus on tests for the parameter of an endogenous variable in a weakly identi ed instrumental variable regressionmodel. We propose a new unbiasedness restriction for weighted average power (WAP) tests introduced by Moreira and Moreira (2013). This new boundary condition is motivated by the score e ciency under strong identi cation. It allows reducing computational costs of WAP tests by replacing the strongly unbiased condition. This latter restriction imposes, under the null hypothesis, the test to be uncorrelated to a given statistic with dimension given by the number of instruments. The new proposed boundary condition only imposes the test to be uncorrelated to a linear combination of the statistic. WAP tests under both restrictions to perform similarly numerically. We apply the di erent tests discussed to an empirical example. Using data from Yogo (2004), we assess the e ect of weak instruments on the estimation of the elasticity of inter-temporal substitution of a CCAPM model.

Este trabalho trata de testes para o parâmetro de uma variável endógena em modelos de regressão com variáveis instrumentais fracas. Propomos uma nova restrição para o viés dos testes weighted average power (WAP), desenvolvidos em Moreira e Moreira (16, 2013). A motivação para essa nova restrição se baseia na eficiência do teste score sob a hipótese de identificação forte. Essa hipótese permite reduzir o custo computacional dos testes WAP, substituindo a restrição de strongly unbiased. Esta ultima demanda que, sob a hipótese nula, o teste seja ortogonal a uma dada estatística com sua dimensão dada pelo número de instrumentos. A restrição aqui proposta exige somente que o teste seja não correlacionado com uma combinação linear dessa estatística. Nas simulações, ambos os testes apresentam um desempenho numericamente similar. Aplicamos ainda os testes discutidos neste trabalho na estimação da elasticidade de substituição intertemporal de um modelo CCAPM.