Essays in dynamic panel data econometrics
Abstract
Eu considero a estimação eficiente de um modelo de painel dinâmico com efeitos fixos, heteroscedasticidade temporal, condições iniciais arbitrárias e co-variáveis. Encontro uma estatística invariante máxima que pode ser usada para estimar os parâmetros de interesse de forma consistente quando há um grande número de observações. Além disso, eu mostro que todas as condições de momento encontradas na literatura de painel dinâmico podem ser escritas como combinaçõoes lineares das condições de momento fornecidos pela estatística invariante maximal. Portanto, estimadores baseados nestes momentos têm menor variância. Finalmente, quando confrontados com o problema de estimar um modelo de painel dinâmico, um pesquisador aplicado gostaria de usar estimadores que estão centrados em torno dos verdadeiros valores dos parãmetros de interesse e têm as menores variâncias. Essas variâncias mínimas são encontradas assumindo que alguns dos parâmetros são extraídos de uma distribuição desconhecida. É comum acreditar que as variâncias encontradas desta forma também são válidas se os parâmetros são constantes desconhecidas. Neste artigo vamos discutir em que medida essa conjectura é verdadeira para os modelos de painel dinâmico. I consider the ecient estimation of a dynamic panel model with fixed e↵ects, time-series heteroskedasticity, arbitrary initial conditions and covariates. I find a maximal invariant statistic that can be used to consistently estimate the parameters of interest when there are a large number of cross-section. Also, I show that all moment conditions found in the dynamic panel literature can be written as linear combinations of the moment conditions provided by the maximal invariant statistic. Therefore, estimators based on these moments have minimum variance. Finally, when faced with the problem of estimating a dynamic panel model, an applied researcher would like to use estimators that are centered around the true values of the parameters of interest and have the smallest variances. These minimum variances are found assuming that some of the parameters are drawn from an unknown distribution. It is commonly believed that the variances found this way are also valid if the parameters are unknown constants. In this paper we discuss to which extent this conjecture is true for dynamic panel models.