Dominância Fiscal? Não, obrigado.

Aparentemente, o debate sobre a dominância fiscal vai esquentar. Carlos Eduardo Gonçalves, do “Por quê” publicou um pequeno (altamente técnico para leigos, algo técnico para graduandos que entendem econometria) texto para “leitura” na Casa das Garças com evidências econométricas de que não, não há dominância fiscal no Brasil.

O debate é interessante porque…bem, leia a última frase da conclusão do artigo e veja os dados do governo (gastador pacas) do Brasil para entender porque isto é um tema que incomoda tanta gente.

p.s. dica do comentarista Diogo Bastos (lá no livro de caras) é este trabalho, de alguns meses atrás, que chega à conclusão oposta.

Cintos de segurança ajudam ou atrapalham? Análise econométrica da lei em um exemplo de livro-texto

Este artigo de 2003 é um dos melhores que já li sobre o tema. Pena que só o descobri agora. Nunca é tarde, não é? Recomendo sua leitura porque aquele que deseja trabalhar com econometria encontrará ali um texto muito bem escrito. O cuidado com os eventuais problemas econométricos é sempre citado e explicado de forma clara e detalhada no nível ótimo para o entendimento. Em especial, as duas primeiras seções do texto são um belo exemplo de como justificar seu modelo (e apontar possíveis correlações, ao menos em nível teórico) antes de partir para o enfrentamento com os dados.

Agora a parte legal da história. O livro de econometria do Stock e Watson [Stock, James H. & Watson, Mark W. (2012) Introduction to Econometrics (global edition), Pearson, 3rd edition, 827p] usa parte da base de dados deste artigo fazer um exercício de painel (o exercício empírico E10.2) que é bem interessante porque nos dá a chance de responder, com um exercício empírico, uma pergunta importante: quantas mortes foram evitadas pela adoção da lei de uso obrigatório de cinto de segurança?

Este é um exercício que vale a pena ser feito porque mostra a importância de usar efeitos fixos quando você tem um painel de dados. Claro, há outra discussão sobre se você deveria usar efeitos fixos ou variáveis (não tratada neste excelente livro-texto, infelizmente, pelo menos nesta edição que tenho) e há também a questão de endogeneidade que é muito bem detalhada no artigo original (e é alvo do cap.12 do livro-texto).

Como um incentivo ao leitor que gosta de econometria, desta vez, deixo o código para o exercício E10.2 (Stata). Com ele você resolve a parte quantitativa do exercício sem muita dificuldade. Entretanto, a compreensão do problema discutido não estará completa se você não der uma espiada no texto original que é o Einav, Liran & Cohen, Alma. The Effects of Mandatory Seat Belt Laws on Driving Behavior and Traffic Fatalities. The Review of Economics and Statistics, 2003, 85(4), p.828-843.

Vale lembrar: a leitura do texto, inclusive, aponta vários problemas importantes com os quais você deveria ser preocupar após terminar este exercício. Acho até que farei um estudo dirigido do mesmo para quem tiver interesse (ou mesmo como material de estudo para os alunos).

use “C:\seudiretorio\SeatBelts.dta”, clear
gen lincome=log(income)
sum fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age vmt
reg fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age
xtset fips
xtreg fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age, fe vce(cluster fips)
tab year, gen(year_dum)
areg fatalityrate sb_useage speed65 speed70 ba08 drinkage21 lincome age year_dum2 year_dum3 year_dum4 year_dum5 year_dum6 year_dum7 year_dum8 year_dum9 year_dum10 year_dum11 year_dum12 year_dum13 year_dum14 year_dum15, absorb(fips) r cluster(fips)
test year_dum2 year_dum3 year_dum4 year_dum5 year_dum6 year_dum7 year_dum8 year_dum9 year_dum10 year_dum11 year_dum12 year_dum13 year_dum14 year_dum15
areg sb_useage primary secondary speed65 speed70 ba08 drinkage21 lincome age year_dum2 year_dum3 year_dum4 year_dum5 year_dum6 year_dum7 year_dum8 year_dum9 year_dum10 year_dum11 year_dum12 year_dum13 year_dum14 year_dum15, absorb(fips) r cluster(fips)

* Adicionais

* para a letra e: 0.00372 x0.38 = 0.0014 mortes por “million traffic miles”.
* A média de million traffic miles na amostra (vimos lá no alto): 41447. Logo,
* para um estado médio, evita-se 0.0014 x 41447 = 58 mortes.

* letra g: similar. A mudança de lei nos dá 0.206 – 0.109 = 0.094 (9.4%).
* a reduçao de mortes estimada: 0.00372 x 0.094 = 0.00035 por million traffic miles.
* Olhando a base de dados, em 1997, 63000 million traffic miles. Este é o ano final
* do painel. Suponha, então, que este número seja o mesmo em 2000. Evitaram-se, neste
* caso, 0.00035 x 63000 = 22 mortes. Este seria o efeito da mudança da lei.

panel_seatbelts

Pois é. Muito legal, não é? Textos didáticos nos ajudam sempre. Fosse eu um aluno, faria o fichamento deste artigo. Ajuda a pensar em diversos problemas econométricos interessantes das aplicações cotidianas, sem falar no exercício do Stock & Watson (2012) que é um belo treino para alguém que não tenha medo de econometria.

Estudou, passou! Simples assim.

Class Absence, Instructor Lecture Notes, Intellectual Styles, and Learning Outcomes
Oskar Harmon, William Alpert, Archita Banik, James Lambrinos [Atlantic Economic Journal
September 2015, Volume 43, Issue 3, pp 349-361]

Abstract
At many universities, undergraduate introductory economics courses are taught in large lecture halls. Casual empiricism suggests that rates of student absenteeism are significantly greater in the large lecture format compared to the smaller classroom format. There is also the compounding factor that numerous empirical studies have identified a statistically significant negative relationship between absenteeism and student performance. Using panel data, it is estimated that the average student with less than perfect attendance is better off attending the lecture, but studying from instructor-provided lecture notes can significantly reduce the negative effect of absence on exam performance. Additional estimates of the differential effects of intellectual styles show the notes were the least beneficial for the auditory intellectual style.

Eu poderia ficar horas dissertando sobre possíveis problemas deste estudo, mas prefiro destacar as conclusões.

(…) it is reported that the estimated probability of correctly responding to a final exam question, if the student attended the lecture that covered the subject of the question, is 70.0 % and if the student is absent from the lecture then the probability falls to 53.5 %. (…) The average student with less than perfect attendance is better off attending the lecture, but studying from instructor lecture notes can significantly reduce the negative effect on exam performance.

Há limitações no estudo? Há. Mas é interessante notar que mesmo quando os alunos usam notas de aula dos instrutores, as notas melhoram mas, veja só, não chegam aos níveis das notas de quem não falta à aula.

Gays perdem sob leis socialistas? E o PIB? – Respondendo a um leitor do blog

Carlos Góes fez a ótima observação no livro de caras que posso resumir como: não é a bufunfa que, no fundo, dá a correlação com o bem-estar? Eu concordo com ele: como já disse por aqui, só correlações bivariadas (ou mesmo multivariadas) não nos dão muito além de um bom insight.

Mas para não entrar em uma análise muito profunda, eis, para saciar o leitor, outra correlação. Desta vez, entre o Gay Happiness Score e o PIB per capita de 2000 dos países (ambos em logaritmos e o PIB vem de um artigo do Ross Levine cuja referência me escapa agora).

gay_gdpO tamanho da bolotinha do país é proporcional ao nível do capital humano tal como medido por Barro & Lee, na versão mais recente (2010) e a cor da bolotinha é: azul para países cujo código legal é de origem inglesa e preta caso contrário.

Um breve exercício de econometria 

Eu concordo com o Carlos Góes: o grande passo para seguir adiante nesta análise é pensar nas variáveis omitidas. Para começar a brincadeira, estimei um modelo no qual o bem-estar dos gays é regredido com o PIB per capita de 2000, uma dummy que assume valor unitário quando o código legal do país é de origem socialista e zero caso contrário e usei como instrumentos o valor absoluto da latitude do país e o capital humano do país em 1990.

O que encontrei?

gay_gdp_2

Bem, aí está. Entre nenhum resultado e algum resultado, graças à sugestão do leitor Carlos Góes, temos algo aqui. Supondo que a variável dependente seja uma boa medida do bem-estar dos gays, então, um aumento de 1% do PIB per capita do país gera um aumento de 0.254% no bem-estar gay.

Para interpretar o impacto da dummy da origem legal socialista, devemos tomar mais cuidado, como alerta o prof. Giles aqui. No caso, um país que passa de não-socialista para socialista levaria a uma variação de  100[exp(-0.141) – 1] = -13.15% no bem-estar gay.  No caso de um país socialista que deixa de sê-lo (ou seja quando a dummy varia de 1 para 0), o efeito é de um aumento de (100[exp(-(-0.141) – 1]) 15.14%.

Tomando este exercício para fins retóricos, novamente, eu levanto a questão: será que gays liberais são forçados para dentro do armário pelo preconceito dos gays coletivistas?

Claro que é preciso mais do que um exercício simples e uma página bonita (não é o caso deste blog) na internet para que estimações sejam levadas a sério (lembre-se que estou com uma baita insônia, garganta ruim e um mau humor demoníaco e, claro, caso eu fosse fazer uma pesquisa sobre isto, eu não faria apenas uma regressão, mas várias), mas acho que vale o ponto didático (sobre a regressão e a interpretação do coeficiente da dummy) e também a questão sobre ir além da correlação para algo um pouco mais investigativo.

Até a próxima.

Timeo hominem unius libri? Econometria aplicada a caminho…

Latim?

Expressão de São Tomás de Aquino, eu sei. Significa que um sujeito que conhece muito de um tema é um adversário perigoso. Alguns pensam, incorretamente, que a frase do grande filósofo diz respeito ao livro e, vejam só, saem por aí dizendo que basta ler um único livro para entender do tema.

Os maiores amigos da interpretação equivocada da frase de São Tomás são, paradoxalmente, os educadores (ou, como adoram os supostos jornalistas: os “supostos educadores”). Afinal, como não existe almoço grátis, comprar livro significa diminuir o retorno dos acionistas ou gastar menor em campanhas eleitorais para a reitoria.

De fato, eu concordo que ler 200 livros sobre o mesmo tema é bom, mas demanda muito tempo. Mas eu acredito que o sujeito tem capacidade de saber – melhor do que eu – como alocar seu tempo. Tanto isto é verdade que, quando ele erra na alocação, ele possui inteligência suficiente para criar as desculpas as mais sofisticadas que você já ouviu. Experimente com um aluno qualquer um dia destes: enquanto o povo diz que ele é um coitado burrinho que não consegue se organizar, o mesmo inventa a desculpa mais mirabolante do mundo para justificar sua procrastinação.

Então, no final das contas, cada um sabe o que é melhor para si e não adianta ignorarmos isso. O aprendizado não parte apenas um único livro e o número ótimo de livros depende das preferências do indivíduo e de sua restrição.

Onde estamos? Para onde vamos?

Por que isso tudo? Pelo simples fato de que eu estava lendo dois ótimos livros de Econometria, em busca de algumas explicações sobre estas medidas de outlierspontos influentes. Nunca me aprofundei nisto e sei que econometristas meteram a mão nesta cumbuca há tempos. Assim, para o R, por exemplo, Fox & Weisberg (2011) implementaram várias destas medidas no pacote car. Então, este é um aspecto positivo da tecnologia: temos vários testes e critérios prontos para serem usados.

Entretanto, quando leio Maddala & Lahiri (2009), vejo que estas medidas devem ser vistas com muito cuidado, senão descartadas. Na verdade, em edições anteriores, Maddala já alertava para o fato e isto não mudou nas novas edições em co-autoria com Lahiri.

Ao ler apenas um livro – e ambos são excelentes – você fica com a impressão de que é só sair calculando medidas e critérios. Mas o outro, mais apropriado para o estudante de Econometria, alerta para os problemas no uso indiscriminado de critérios e medidas (quando não aponta erros nos mesmos).

Então, no final do dia, você tem que ler mesmo. Não tem jeito. Tem que ler e ler vários livros, artigos, etc. Não há como ter a produtividade chinesa com elevada qualidade e no patamar necessário para tirarmos este país da lama (ou sua empresa, ou apenas sua vida) sem ler muito.

Dá um olhada no Maddala & Lahiri (2009), no capítulo 10, especificamente. Fox & Weisberg (2011), por sua vez, trata das medidas no capítulo 6. Os dois livros se complementam, mas eu não saberia dos problemas em algumas medidas se não lesse o primeiro.

Dando tempo, eu mostro um exemplo com pontos claramente fora da amostra (influentes? Outliers?) ainda hoje. Já estou olhando para os dados há algum tempo e eles prometem.

Eu acho que vou ler mais este livro de Econometria…

Outro exercício no R – boates e motéis (Teste J)

Em alguns posts anteiores, sobre numerário, usei os sub-índices do IPCA para ilustrar a idéia de numerário (você pode encontrá-los usando a caixa de busca no alto do blog).

Agora, vamos fazer outra brincadeira e praticar o R. Vamos olhar para os índices de preços de motéis e boates, ambos relativos ao IPCA. Primeiramente, vejamos os gráficos.

motel_real

 

boate_real

 

Ok, não parece haver problemas de não-estacionaridade na média de nenhuma delas. Obviamente, o leitor mais preocupado pode fazer os testes (o R tem uma boa biblioteca para isto). Mas nossa prática aqui é outra. Queremos ver como ver o gráfico de valores observados e previstos por um modelo e, também, queremos ver testes que comparem dois modelos distintos.

Então, vamos lá. Os dados, já carregados e transformados em séries de tempo foram, então, transformados em índices. Depois, normalizados pelo IPCA.

ipca.index<- (1+ipca/100)
motel.index<-(1+motel/100)
motel.real<-motel.index/ipca.index
boate.index<-(1+boate/100)
boate.real<-boate.index/ipca.index

Após dar uma olhada nos gráficos, resolvi testar estes modelos:

mod1 <- dynlm(motel.real ~ boate.real + L(motel.real))
mod2 <- dynlm(motel.real ~ boate.real + L(boate.real))

Repare que uso o pacote dynlm. Repare também que os modelos seriam idênticos, não fosse o fato de um deles usar como variável independente a primeira defasagem de motel.real e, o outro, a primeira defasagem de boate.real. Quando uso o pacote dynlm, posso usar o comando L(x,k) para colocar, na especificação da equação de regressão, a k-ésima defasagem da variável x.

Em seguida, carreguei o pacote lmtest que tem o teste que desejo ilustrar aqui. Vamos lá.

library(lmtest)
mod1 <- dynlm(motel.real ~ boate.real + L(motel.real))
mod2 <- dynlm(motel.real ~ boate.real + L(boate.real))

Caso você peça um sumário do modelo 1 (summary(mod1)), terá o seguinte resultado.

Time series regression with “ts” data:
Start = 1999(9), End = 2013(12)

Call:
dynlm(formula = motel.real ~ boate.real + L(motel.real))

Residuals:
Min               1Q               Median         3Q           Max
-0.071154     -0.006137     0.000340     0.006692     0.065225

Coefficients:
Estimate     Std. Error     t value     Pr(>|t|)
(Intercept)        1.13018   0.12933       8.739     2.25e-15 ***
boate.real         0.11918   0.11524      1.034     0.30252
L(motel.real)    -0.24960   0.07505     -3.326     0.00108 **

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.01652 on 169 degrees of freedom
Multiple R-squared: 0.06342, Adjusted R-squared: 0.05234
F-statistic: 5.722 on 2 and 169 DF, p-value: 0.00394

Claro, você pode ver o mesmo para o modelo 2. Bom, para verificar o ajuste dos modelos, graficamente:

plot(motel.real)
lines(fitted(mod1), col = 2)
lines(fitted(mod2), col = 4)

ajuste

 

Repare que ambos os modelos deram péssimos ajustes. Talvez o primeiro modelo (que usa a cor vermelha (col=2 no comando) seja o menos pior dos dois mas, honestamente, ambos os modelos estão bem distantes de uma reles noção visual de “bom ajuste”. Não importa. O ponto é: como comparar estes dois modelos? Devemos usar um teste de encompassing models. Os modelos são não-aninhados (um não é uma versão restrita do outro). O teste, de Davidson e McKinnon, está descrito aqui, já adaptado para R.

Vejamos um pouco da documentação:

To compare two non-nested models, the encompassing test fits an encompassing model which contains all regressors from both models such that the two models are nested within the encompassing model. A Wald test for comparing each of the models with the encompassing model is carried out by waldtest.

For further details, see the references.

Value

An object of class "anova" which contains the residual degrees of freedom in the encompassing model, the difference in degrees of freedom, Wald statistic (either "F" or "Chisq") and corresponding p value.

References

R. Davidson & J. MacKinnon (1993). Estimation and Inference in Econometrics. New York, Oxford University Press.

W. H. Greene (1993), Econometric Analysis, 2nd ed. Macmillan Publishing Company, New York.

W. H. Greene (2003). Econometric Analysis, 5th ed. New Jersey, Prentice Hall.

Esotérico? Então vamos ver o que ele faz:

encomptest(mod1, mod2)

Encompassing test

Model 1: motel.real ~ boate.real + L(motel.real)
Model 2: motel.real ~ boate.real + L(boate.real)
Model E: motel.real ~ boate.real + L(motel.real) + L(boate.real)
Res.Df Df F Pr(>F)
M1 vs. ME 168 -1 0.0513 0.82110
M2 vs. ME 168 -1 10.9072 0.00117 **

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Outra forma é fazer:

jtest(mod1, mod2)

O resultado:

J test

Model 1: motel.real ~ boate.real + L(motel.real)
Model 2: motel.real ~ boate.real + L(boate.real)

Estimate    Std. Error   t value     Pr(>|t|)
M1 + fitted(M2)         0.60309    2.66278     0.2265       0.82110
M2 + fitted(M1)         0.99691    0.30186     3.3026       0.00117 **

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

O teste J de McKinnon, então, usa o primeiro modelo incluindo os valores estimados de motel.real do segundo modelo. Caso o coeficiente da variável estimada seja diferente de zero, as evidências seriam favoráveis ao segundo modelo. O oposto também é feito para se verificar se há evidências favoráveis para o primeiro modelo.

Dos resultados acima podemos ver que, no primeiro teste, não encontramos evidências favoráveis ao modelo 2 (mod2), mas, sim para o primeiro modelo (mod1). Na primeira linha do teste, a inclusão do valor ajustado de motel.real por meio de mod2 não apresentou uma coeficiente estatisticamente significativo (logo, a hipótese mais favorável é que o modelo 1 seja o melhor). Na segunda linha, ao incluirmos o valor ajustado gerado pelo modelo 1 no modelo 2, o resultado foi que seu coeficiente foi estatisticamente significativo, reforçando o resultado anterior. Em resumo, mod1 é o menos pior nesta história. 

Você que já estudou Econometria I, certamente deve ter se perguntado várias vezes como comparar dois modelos distintos que buscam explicar o mesmo fenômeno. Bem, um dos passos nesta longa caminhada é o teste J. Claro, no caso de séries de tempo, como aprendemos em Econometria II, não dá para fazer apenas isto (ou você já se esqueceu da questão envolvida na discussão de tendências deterministas e estocásticas?).

No final, boates, motéis, nada ficou muito esclarecido quanto a eles. Talvez eu devesse ter feito o exercício para o preço de pão francês e o da linguiça. Ou não. Vai saber…

p.s. No Greene, o teste está muito bem resumido (seção 7.10.2), mas Davidson & McKinnon é sempre um bom livro-texto…

Domingo é dia de consumir o frango assado do boteco…e de pensar sobre a função consumo

Aí você me diz que leu um monte de teorias sobre consumo e quer estimar uma super função consumo. Como diria meu amigo Claudio (eu mesmo), be my guest. No livro de macroeconomia de Carlin & Soskice (2006), há um resumo da regressão feita por Muellbauer (1994). Vou aproveitar para resumir o apêndice 1.10 do capítulo 7 e dar meus pitacos. Ou seja, aqui vai uma mistura de tradução livre com observações deste que vos escreve, ok?

O prof. Muelbauer, usando dados para o Reino Unido, estimou a seguinte função:

Δlnct = constante + β0 + β1 (lnyt – lnct-1)  + β2Δlnyt + β3r + β4Δut + β5ad + β6(LAt-1/yt-1) + β7(IAt-1/yt-1) + β8 (Δlyt/y)e + controles demográficos e distributivos

na qual temos ct = consumo de duráveis e não-duráveis, y = renda real disponível, r = taxa de juros real, u = taxa de desemprego, ad = valor absoluto do hiato entre a renda corrente e sua média dos cinco anos prévios, LA = medida de liquidez de ativos, IA = medida de ativos não-líquidos (ilíquidos), (Δlyt/y)e = expectativa de crescimento da renda.

Repare que, ao contrário da vida tranquila que você imaginou ter ao estudar macroeconomia básica (aquela do primeiro ano, época em que a faculdade era só festa e alegria), o futuro é importante! Sim, a expectativa de crescimento da renda, esta terrível variável forward-looking é importante (na estimação do autor, o impacto é positivo e estatisticamente diferente de zero).

Carlin & Soskice (2006) fazem a observação importante que você deveria guardar na memória: se o consumo é funçao da renda disponível, dos juros, da expectativa de crescimento da renda e do efeito-riqueza, por exemplo, então os impactos de políticas fiscais que você estudou mudam (e olha que nem abrimos a economia!). Guardar o que mesmo? Guardar a maneira como você deve estudar o que já aprendeu e incorporar novidades. Como fica a curva IS em um caso como este? Mais ou menos inclinada? Segunda pergunta: se ficar mais ou menos inclinada o impacto relativo da política fiscal relativamente à monetária fica maior ou menor? Heim? (dica: esta é fácil. Basta você se lembrar do que aprendeu no 1o ano do curso. Depois, inclua os efeitos acima de forma bem simples, aditiva mesmo e veja o que acontece).

Ah sim, Muellbauer é um especialista em consumo. Outro artigo dele é este aqui, publicado em 2007, antes da crise imobiliária dos EUA.

Bibliografia

Carlin, W. & Soskice, D.  (2006). Macroeconomics – Imperfections, Institutions and Policies. Oxford University Press.

Micro-Apêndice: dica para ver como fica a curva IS com taxa de juros no consumo

Simples assim. Faça uma função consumo simples, como:

C = a + bY + cr (0 > c e 1 > b >0).

Substitua sua função consumo antiga por esta e veja como fica a derivada parcial dY/dr da curva IS. Claro, outro ponto a se pensar é no significado da inclinação da IS quando usamos a teoria da renda permanente e adicionamos outras variáveis, mas você tem que começar de algum ponto e, claro, comece do mais simples, ok?

Bom exercício.

Mais um artigo publicado

“Meninos de rua”, uma expressão talvez politicamente incorreta, mas que todos entendem. O que podemos falar sobre estes meninos? Muita coisa. Mas, neste nosso artigo recém-publicado, estudamos os determinantes dos crimes destes meninos para uma amostra inédita do estado de Minas Gerais.

Resultados? Bem, descubram lá. Mas vou avisando: programas de transferência de renda (à la Bolsa Família) não parecem afetar a probabilidade do menino de rua cometer crimes, nem diminui, nem aumenta.

Pesquisas interessantes

O último número da Revista de Economia e Administração (vol.10, n.1, em breve já disponível na página da revista) tem alguns artigos que me chamaram a atenção (sem falar no meu próprio, com Ari e Juliana). Vamos a eles:

1. “Sistema financeiro, segurança jurídica e crescimento econômico” – Este é um excelente exemplo de artigo que procura fazer com que o leitor entenda o que os autores fazem. A explicação dos procedimentos (que culminam em um VECM e nos testes de causalidade) está ótima. Não chequei se o teste de causalidade foi feito sobre o VECM ou não, mas é um belo artigo.

2. “Industrialização do Brasil na década de 1930: uma análise com teoria dos jogos” – O autor é da área de história econômica e, de certa forma, a parte da história ocupa 2/3 do artigo. Sempre é bom contextualizar, mas o bacana do artigo é a modelagem do autor. Mais uma vez, alguns aspectos das hipóteses que Furtado criou (e nunca testou) são refutados, neste caso, pelo modelo do autor.

3. “Persistência inflacionária: comparações entre três economias emergentes” – Vamos falar sério. A última coisa que me interessou no artigo foram as três economias emergentes. Ok, é o tema principal, mas os autores foram muito bem-sucedidos na parte mais difícil do artigo que foi a de explicar os modelos ARFIMA. Até eu que sou burrinho consegui pegar a idéia.

Assim, meus parabéns aos autores destes artigos. Há tempos eu não via artigos que eram realmente “bens públicos”. Aprendi algo novo com cada um deles. Seja na forma de explicar um tópico, seja no aprender um novo método, ou admirar um artigo bem escrito.

Violência no campo, governos e conflito

Um bom texto para discussão do Barros, Araujo Jr e Faria.

Veja o resumo:

This paper analyzes conflicts and violence in Brazil involving landless peasants occupying privately-owned land, for the period 2000-2008. It is the first study to be undertaken at a national level, with a contemporary data span, using a count data model that allows for heterogeneity, endogeneity and dynamics. Results from the estimated model show that the violent land occupation grows with left-wing political support for land occupation, rural population density, and agricultural credit, and decreases with poverty, agricultural productivity. The study discusses the interconnection of land reform, poverty and conflict.

Fascinante, não? Se você gosta do assunto, veja também este outro texto, para Minas Gerais e vários dos textos do Bernardo Mueller (com seus bons co-autores) que se encontram aqui.

O versátil Erik

Erik – meu co-autor em um recente artigo – tem um belo artigo aqui. Aqueles que temem a concorrência de um inteligente e versátil usuário de econometria aplicada já devem estar preocupados.

Mas não adianta tentar desencorajar um bom pesquisador. Gente assim, esteja onde estiver publica (bem).

Note que o artigo não é de desigualdade – área mais tradicional do Erik – mas sim de econometria aplicada. Em outras palavras, se você não disser nada sobre sua área, sempre haverá um econometrista aplicado pronto para fazê-lo. Aliás, sobre a econometria, eis uma polêmica opinião.