crítica de Lucas · Econometria · Marketing

Por que o estudante de Marketing deveria aprender econometria de séries de tempo?

Para começo de conversa, qualquer estudante de Marketing tem que aprender Econometria. Agora, isto não é sinônimo de aprender o que é uma regressão múltipla e sair por aí fazendo trabalhos de duvidosa qualidade.

Posto isto, o passo seguinte é estudar bem um livro de Econometria. Já fez isto? Então, agora, você está pronto para a discussão relevante: entender quando aspectos teóricos da Econometria influem na sua prática profissional. Por exemplo, considere os trechos abaixo deste interessante texto:

If the Lucas critique is relevant, and it is ignored, marketing models may yield biased predictions of the effects of marketing policy changes (we refer to the article from Franses for both a concrete illustration and additional references on this issue). Biased parameter estimates are perhaps one of the most serious issues in econometric modeling. Therefore, ignoring the Lucas critique could be considered as fatal a flaw as ignoring endogeneity. Endogeneity happens to be the primary factor affecting price elasticity estimates according to a recent meta-analysis (Bijmolt, Van Heerde, and Pieters 2005).

Entendeu? Não? Ficou na dúvida sobre o que significa um parâmetro viesado? Ou não entendeu o que é endogeneidade? Então, novamente, volte ao livro-texto. Se não teve problemas, prossiga.

While the Lucas critique may therefore be an issue in some marketing settings, it definitely will not be the only one applied marketing researchers should be concerned about, as correctly pointed out by Franses. We would like to add two further remarks in this respect. First, omitted variable bias may be particularly relevant in many marketing settings, and could play as big a role as the Lucas critique or the endogeneity issue – including or excluding covariates such as a promotion dummy or advertising may affect price elasticity estimates almost as much as ignoring versus accommodating endogeneity (Bijmolt, Van Heerde, and Pieters 2005). Second, a flaw such as ignoring autocorrelation may seem one degree less fatal than flaws leading to biases, since it “only” leads to inefficient parameter estimates. However, we argue that autocorrelation may be a signal of serious model misspecification. If the autocorrelation is caused by omitting predictors uncorrelated with the included predictors, the inefficiency of OLS can be successfully remedied by GLS. For example, suppose that a model for beer sales excludes temperature (which in itself is highly autoregressive) and none of the included (marketing-mix) predictors happens to be correlated with temperature. On the other hand, suppose a model omits pelevant variables (e.g., lagged marketing-mix variables) that are correlated with the included predictors (e.g., current marketing-mix variables). In both cases, a residual test will reveal autocorrelation, a seemingly small issue since it “only” leads to inefficient estimates, which is true in the former case. However, in the latter case the parameter estimates for the included predictors are also biased, which cannot be remedied by GLS. Instead, the model specification should be extended with the omitted predictors.

Pronto, agora você entendeu: existe algo importante na Estatística, quando aplicada a problemas de decisão que, sim, é fruto do trabalho de um sujeito chamado Robert Lucas. Não fosse por este economista, seu uso dos métodos estatísticos em Marketing poderia sofrer de sérios problemas o que é sempre desagradável quando se deseja fazer previsões.

Em resumo, você pode evitar o estudo dos métodos estatísticos e econométricos ou se refugiar sob as asas daqueles professores que fingem que te ensinam econometria. Ok, é uma solução factível. Mas não é a melhor solução, principalmente se você deseja aprender mais uma ferramenta útil para sua prática profissional.

Já até ouço: “ah, mas ninguém aplica isto, por que eu deveria me arriscar”? A resposta é óbvia: você é empresário de sua própria carreira e, portanto, deve conhecer o custo de oportunidade inerente às suas escolhas no que pretende mostrar ao seu chefe (de hoje). O dia de amanhã a Deus pertence e, saber mais é sempre uma forma de hedge em sua vida, profissional ou não.

Assim, pode ser uma excelente idéia aprender não apenas a Econometria mas, eventualmente, aprender a testar limitações deste método. Muito “colunista” que leio nas badaladas colunas de revistas para “C.E.O.’s com déficit de atenção” (ou problemas de amor-próprio) fala ad nauseam sobre interdisciplinaridade. De minha parte, nunca vi um único estudante de Administração que fizesse três cadeiras de Econometria no Doutorado, ou todas as da graduação.

Nunca é tarde para aprender, claro. Mas, com o passar do tempo, o custo de aprender aumenta, ceteris paribus

crítica de Lucas · Econometria · econometria bayesiana · Política monetária

Econometristas bayesianos podem mudar o resultado do que pretendem estudar?

“Monetary Policy, Judgment and Near-Rational Exuberance”
by
James B. Bullard, George W. Evans, and Seppo Honkapohja We study how the use of judgment or “add-factors” in macroeconomic forecasting may disturb the set of equilibrium outcomes when agents learn using recursive methods. We examine the possibility of a new phenomenon, which we call exuberance equilibria, in the New Keynesian monetary policy framework. Inclusion of judgment in forecasts can lead to self-fulfilling fluctuations in a subset of the determinacy region. We study how policymakers can minimize the risk of exuberance equilibria.

Em outras palavras: fazer ajustes “não-paramétricos” (por assim dizer) nas previsões de um banco central qualquer que pretende influenciar as expectativas dos agentes privados pode gerar um resultado distinto. Bayesianos também sofrem de crítica de Lucas? ^_^