Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.
Regressão agrupada entre países ou regiões com efeitos fixos de unidade e de tempo para remover variação persistente e agregada.
Painel com efeitos fixos: que pergunta macro este modelo ajuda a responder?
Contexto
Regressão agrupada entre países ou regiões com efeitos fixos de unidade e de tempo para remover variação persistente e agregada.
Painel com efeitos fixos fica em Macro empírica em painel e entre países. Use esta classe quando um país não basta e a pergunta precisa de variação entre países, efeitos fixos ou dinâmica em painel.
A página deve ser lida como uma referência de método: primeiro o objeto empírico, depois o conjunto de informação, os diagnósticos e os limites da inferência.
Como as partes se conectam
αi
Efeito fixo de entidade
Heterogeneidade não observada e invariante no tempo da entidade i. Absorve todas as diferenças permanentes entre entidades (instituições, geografia, cultura). Eliminada pela transformação within.
Comece pela série-alvo, frequência, janela da amostra e calendário de revisão. Um modelo empírico perde valor quando a pergunta ignora a safra dos dados.
Perguntas macro entre países em que diferenças não observadas por país contaminariam a estimativa.
A leitura útil compara o resultado com um benchmark simples, registra onde o erro de previsão aparece e separa sinal estatístico de interpretação causal.
Os componentes e as hipóteses formais abaixo são os do próprio modelo, com a terminologia em português. A notação matemática e os títulos bibliográficos ficam no original, que é como a literatura os identifica.
Premissas
Testável
Exogeneidade estrita
E[εit∣xi1,xi2,…,xiT,αi]=0 para todo t. O erro idiossincrático corrente não é correlacionado com regressores passados, presentes nem futuros dentro da entidade.
Se falhar:Se o y passado afeta o x corrente (causalidade reversa) ou se choques correntes afetam o x futuro (retroalimentação), o estimador within é inconsistente. Painéis dinâmicos (variável dependente defasada) violam a exogeneidade estrita por construção; nesse caso é preciso o estimador GMM de Arellano-Bond.
Mantida
Sem variáveis omitidas variantes no tempo
Todos os determinantes de yit que variam no tempo e são correlacionados com xit estão incluídos no modelo. Os efeitos fixos absorvem confundidores invariantes no tempo, mas não os variantes.
Se falhar:Se um confundidor variante no tempo (por exemplo, expectativas de política, mudança de regime político) é omitido e correlacionado com x, o estimador within fica enviesado. Efeitos fixos não são panaceia para endogeneidade; tratam apenas do componente invariante no tempo.
Testável
Coeficientes de inclinação homogêneos
O efeito de x sobre y é o mesmo em todas as entidades: β não varia com i. O estimador within agrupa todas as entidades e estima um único β.
Se falhar:Se βi varia entre países (efeitos heterogêneos), o estimador de efeitos fixos de uma via converge para uma combinação convexa dos betas de cada entidade, com pesos positivos proporcionais à variância within de x em cada uma. Essa média superpondera entidades de alta variância e pode não representar o efeito de nenhum país isolado, embora não possa inverter o sinal. Pesos negativos e possível inversão de sinal surgem em efeitos fixos de duas vias com tratamento escalonado no tempo (de Chaisemartin e d'Haultfoeuille 2020).
Testável
Variação suficiente dentro da entidade
Os regressores xit variam de forma relevante ao longo do tempo dentro de cada entidade. Variáveis constantes ou quase constantes dentro das entidades não têm variação identificadora após a centragem.
Se falhar:Regressores invariantes no tempo (distância ao equador, origem colonial) são perfeitamente colineares com os efeitos fixos de entidade e não podem ser estimados. Regressores de variação lenta (índices institucionais que mudam uma vez por década) têm pouquíssima variação within, produzindo erros padrão grandes e estimativas imprecisas.
Testável
Sem dependência transversal (para a inferência padrão)
εit é independente entre entidades i para qualquer t dado, após condicionar nos efeitos fixos de entidade e de tempo.
Se falhar:A dependência transversal (transbordamentos espaciais, fatores comuns não observados além das dummies de tempo) produz erros padrão enviesados mesmo com agrupamento no nível da entidade. São necessários erros padrão de Driscoll-Kraay ou modelos aumentados por fatores.
Testável
Forma funcional correta
A relação entre y e x é linear nos parâmetros (possivelmente após transformação). Nenhum efeito de limiar, interação ou não linearidade foi omitido.
Se falhar:Uma especificação linear deixa passar retornos decrescentes (por exemplo, o efeito da educação sobre o crescimento cai em níveis educacionais mais altos), efeitos de interação (o efeito da abertura comercial depende da qualidade institucional) e efeitos de limiar (multiplicadores fiscais diferem acima e abaixo de certa razão dívida/PIB).
Aplicações
Use esta página para escolher o modelo antes de olhar o resultado: o alvo, a frequência, a janela e o benchmark definem o que a saída pode dizer.
Em monitoramento macro, a comparação com alternativas importa tanto quanto o modelo escolhido. Erro fora da amostra, estabilidade e revisão dos dados devem ficar visíveis.
Troque ou complemente o modelo quando a pergunta exigir identificação causal, contrafactual estrutural, distribuição entre agentes ou uma mudança de regime que a amostra histórica não contém.
Extensões e questões em aberto
Variantes
One-way FE (entity only): yit=αi+xitβ+εit. Absorbs time-invariant confounders only.
Two-way FE (entity + time): yit=αi+γt+xitβ+εit. Absorbs both time-invariant and entity-invariant confounders.
Correlated random effects (Mundlak): random effects with entity means of x as additional regressors. Equivalent to FE for the time-varying regressors but also estimates effects of time-invariant variables.
Interactive fixed effects (Bai 2009): yit=αi′ft+xitβ+εit. Replaces additive two-way FE with factor structure αi′ft that captures heterogeneous responses to common shocks.
Difference-in-differences (DID): two-way FE applied to policy evaluation with staggered treatment adoption. Under scrutiny since de Chaisemartin and d'Haultfoeuille (2020) and Sun and Abraham (2021) showed negative weighting problems.
Questões em aberto
The 'negative weighting' problem in staggered DID: standard two-way FE can assign negative weights to some treatment effects under heterogeneous treatment timing. New estimators (Callaway-Sant'Anna, Sun-Abraham, Borusyak-Jaravel-Spiess) fix this but have not yet been universally adopted.
How to handle the Nickell bias in dynamic panels when T is moderate (15-30)? Arellano-Bond GMM works for large N, small T. Bias-corrected LSDV (Kiviet 1995) works for moderate T. Neither is ideal for the typical macro panel (N=50,T=30).
Should researchers report FE estimates alongside correlated random effects estimates to assess sensitivity to the within-variation restriction?
Continue por aqui
Leia a seguir
Continue com um conceito, modelo ou exemplo relacionado.