Robustez de regressões de crescimento frente à incerteza sobre a especificação do modelo: quão robustos são os regressores para o caso brasileiro?
DOI:
https://doi.org/10.1590/0101-416145497cpfPalavras-chave:
Regressões de crescimento, Ponderação de modelos, Jackknife Model AveragingResumo
Embora haja uma vasta literatura que busca identificar regressores robustos capazes de influenciar o crescimento econômico em âmbito internacional, esse tema ainda carece de pesquisas que apresentem resultados estatisticamente satisfatórios para o caso brasileiro. O presente artigo busca contribuir para a identificação de variáveis robustas capazes de influenciar o crescimento econômico brasileiro. A base de dados de Resende e Figueiredo (2010) é reexaminada e busca-se contornar o problema da incerteza com relação à especificação do modelo. Para tanto, utilizou-se a técnica de Ponderação de Modelos Frequentista proposta em Hansen e Racine (2012), conhecida por Jackknife Model Averaging. Essa técnica não é tão restritiva quanto a Extreme Bound Analysis e nem tão permissiva quanto a abordagem de Sala-i-Martin (1997). Os resultados da pesquisa sugerem que, dentre os 22 regressores investigados, apenas a carga tributária global teria influência significante sobre o crescimento. Em linhas gerais, nossos resultados permanecem indicando muita cautela ao se trabalhar com regressões de crescimento que fazem uso de dados estaduais. Outrossim, o trabalho motiva estudos futuros e chama a atenção para a importância de se retomar essa linha de pesquisa.
Downloads
Referências
AZZONI, C. et al. Geography and income convergence among Brazilian states. 2000.
BARRO, R. J.; SALA-I-MARTIN, X. Convergence. Journal of Political Economy, p. 223-251, 1992.
BATES, J. M.; GRANGER, C. WJ. The combination of forecasts. OR, p. 451-468, 1969.
BUCKLAND, S. T.; BURNHAM, K. P.; AUGUSTIN, N. H. Model selection: an integral part of inference. Biometrics, p. 603-618, 1997.
BURNHAM, K. P.; ANDERSON, D. R. Multimodel inference understanding AIC and BIC in model
selection. Sociological Methods & Research, v. 33, n. 2, p. 261-304, 2004.
CAMPOS, J.; ERICSSON, N. R.; HENDRY, D. F. General-to-specific modeling: an overview and
selected bibliography. 2005.
DURLAUF, S. N.; JOHNSON, P. A.; TEMPLE, J. RW. Growth econometrics. Handbook of Economic
Growth, v. 1, p. 555-677, 2005.
DURLAUF, S. N.; QUAH, D. T. The new empirics of economic growth. Handbook of Macroeconomics, v. 1, p. 235-308, 1999.
ELLERY JR; FERREIRA, P. Convergência entre a renda per capita dos estados brasileiros. Revista de Econometria, v. 16, n. 1, p. 83-103, 1996.
FERNANDEZ, C.; LEY, E.; STEEL, M. FJ. Model uncertainty in cross-country growth regressions.
Journal of Applied Econometrics, v. 16, n. 5, p. 563-576, 2001.
FERREIRA, A. Concentração regional e dispersão das rendas per capita estaduais: um comentário. Estudos Econômicos, v. 29, n. 1, p. 47-63, jan./mar. 1999. [ Links ]
FERREIRA, A. Convergence in Brazil: recent trends and long-run prospects. Applied Economics, 32, p. 479-489, 2000. [ Links ]
FERREIRA, A. Evolução recente da renda per capita estaduais no Brasil: o que a nova evidência mostra. Revista Econômica do Nordeste, v. 27, n. 3, p. 363-374, jul/set. 1996.
FERREIRA, A.; DINIZ, C. Convergência entre as rendas per capita estaduais no Brasil. Revista de Economia Política, v. 15, n. 4 (60), 1995.
HANSEN, B. E. Least squares model averaging. Econometrica, v. 75, n. 4, p. 1175-1189, 2007.
HANSEN, B. E.; RACINE, J. S. Jackknife model averaging. Journal of Econometrics, v. 167, n. 1, p.
-46, 2012.
HELMS, L. Jay. The Effect of State and Local Taxes on Economic Growth: A Time Series--Cross Section Approach. The Review of Economics and Statistics, p. 574-582, 1985.
HENDRY, D. F.; DOORNIK, J. A. Empirical econometric modelling using PcGive 10. Timberlake
Consultants, 2001.
HENDRY, D. F.; KROLZIG, Hans-Martin. We Ran One Regression*.Oxford bulletin of Economics
and Statistics, v. 66, n. 5, p. 799-810, 2004.
HJORT, N. L.; CLAESKENS, G. Frequentist model average estimators. Journal of the American Statistical Association, v. 98, n. 464, p. 879-899, 2003.
HOETING, J. A. et al. Bayesian model averaging: a tutorial. Statistical science, p. 382-401, 1999.
HOOVER, K. D.; PEREZ, S. J. Truth and Robustness in Cross-country Growth Regressions*. Oxford Bulletin of Economics and Statistics, v. 66, n. 5, p. 765-798, 2004.
JUDGE, G. G.; BOCK, M. E. The Statistical Implications of Pre-Test and Stein-Rule Estimators in
Econometrics. 1978.
KABAILA, P. On variable selection in linear regression. Econometric Theory, v. 18, n. 04, p. 913-925, 2002.
LEAMER, E. E. Sensitivity analyses would help. The American Economic Review, v. 75, n. 3, p.
-313, 1985.
LEAMER, E.; LEONARD, H. Reporting the fragility of regression estimates. The Review of Economics and Statistics, v. 65, n. 2, p. 306-317, 1983.
LEVINE, R.; RENELT, D. A sensitivity analysis of cross-country growth regressions. The American Economic Review, p. 942-963, 1992.
MAGNUS, J. R. The traditional pretest estimator. Theory of Probability & Its Applications, v. 44, n. 2, p. 293-308, 2000.
MALLOWS, C. L. Some comments on C p. Technometrics, v. 15, n. 4, p. 661-675, 1973.
MANKIW, N. G.; ROMER, D.; WEIL, D. N. A contribution to the empirics of economic growth. The Quarterly Journal of Economics, v. 107, n. 2, p. 407-437, 1992.
MINIER, J. Nonlinearities and Robustness in Growth Regressions. The American Economic Review, v. 97, n. 2, p. 388-392, 2007.
MORAL-BENITO, E.; DE ESPANA, Banco. Model averaging in economics: An overview. Banco de
España Working Paper, 2012.
PENNA, C.; LINHARES, F. Há controvérsia entre análises de beta e sigma-convergência no Brasil?.
Revista Brasileira de Economia, v. 67, n. 1, p. 121-145, 2013.
RESENDE, G. M.; DE FIGUEIREDO, L. Testes de robustez: Uma aplicação para os determinantes do crescimento econômico estadual brasileiro entre 1960 e 2000. Revista Econômica do Nordeste, Fortaleza, v. 41, n. 1, 2010.
SALA-I-MARTIN, X. X. I just ran two million regressions. The American Economic Review, p. 178-183, 1997.
SOLOW, R. M. A contribution to the theory of economic growth. The Quarterly Journal of Economics, v. 70, n. 1, p. 65-94, 1956.
TUKEY, J. W. Kinds of Bootstraps and Kinds of Jackknives, Discussed in Terms of a Year of Weather--Related Data. PRINCETON UNIV NJ DEPT OF STATISTICS, 1987.
TURKHEIMER, F. E.; HINZ, R.; CUNNINGHAM, V. J. On the Undecidability Among Kinetic
Models: From Model Selection to Model Averaging. Journal of Cerebral Blood Flow &
Metabolism, v. 23, n. 4, p. 490-498, 2003.
WAGENMAKERS, Eric-Jan; FARRELL, S. AIC model selection using Akaike weights. Psychonomic
Bulletin & Review, v. 11, n. 1, p. 192-196, 2004.
WANG, H.; ZHANG, X.; ZOU, G. Frequentist model averaging estimation: A review. Journal of Systems Science and Complexity, v. 22, n. 4, p. 732-748, 2009.
ZHANG, X.; WAN, A. TK; ZOU, G. Model averaging by jackknife criterion in models with dependent data. Journal of Econometrics, v. 174, n. 2, p. 82-94, 2013.
ZINI Jr., A. A. Regional income convergence in Brazil and its socio-economic determinants. Economia Aplicada, v. 2, n. 2, p. 383-411, abr./jun. 1998.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2015 Christiano Modesto Penna, Fabricio Carneiro Linhares

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
A submissão de artigo autoriza sua publicação e implica o compromisso de que o mesmo material não esteja sendo submetido a outro periódico.
A revista não paga direitos autorais aos autores dos artigos publicados.