Sonuçlar

A especificação de estimação de dados em painel dinâmico via GMM tem como referências originais Arellano e Bond (1991), Arellano e Bover (1995) e Blundell e Bover (1998). O uso de Modelos de Dados em Painel Dinâmico se justifica dado o fato de que muitas relações econômicas se caracterizam pela presença de certo dinamismo, ou seja, séries econômicas se relacionam umas com as outras e também se relacionam com seus valores passados. Nesse sentido, Modelos de Dados em Painel Dinâmico consideram a variável dependente defasada como sendo uma variável endógena e, diferentemente das estimativas em cross country e em Painel Estático (Efeitos Fixos ou Efeitos Aleatórios) em que há viés nos coeficientes estimados quando se incluem variáveis dependentes defasadas como regressores, estimativas de Modelos Dinâmicos via GMM podem fornecer estimadores não viesados.

Vários estudos empíricos verificaram relações dinâmicas entre variáveis econômicas, como, por exemplo, Balestra e Nerlove (1966), que estimaram a função de demanda por gás natural, Arellano e Bond (1991), que estimaram o nível de emprego de firmas da Grã Bretanha, Bond, Hoefler e Temple (2001), que estimaram equações de crescimento econômico, entre outros. Mais recentemente, em estudos sobre determinantes da lucratividade bancária, Athanasoglou, Brissimis e Delis (2008) e Kutan, Rengifo e Ozsoz (2010) usaram modelos de Painel Dinâmico via GMM para controlar possíveis problemas de endogeneidade entre variáveis. Estes últimos autores investigaram a relação entre lucratividade bancária e dolarização financeira para

30

O autor agradece imensamente aos economistas Cleomar Gomes da Silva e Jônathas Delduque

Júnior, ambos da Secretaria de Política Econômica do Ministério da Fazenda, pela disponibilidade de

bancos comerciais de 36 países, e verificaram que dolarização financeira tem efeito negativo sobre a lucratividade bancária com uma defasagem de um período. Além destes, Bacha et. al. (2007, 2009) também usaram Modelos de Painel Dinâmico em estudos sobre determinantes da taxa real de juros.

Dessa forma, usaremos a Metodologia de Painel Dinâmico na estimativa dos determinantes da dolarização financeira uma vez que tal método permite levar em conta a persistência temporal de nossa variável dependente (depósito dolarizado). Conforme discutido nas seções anteriores, mesmo após a queda nas variáveis inflacionárias, a manutenção de depósitos em moeda externa continuou alta nas 79 economias pesquisadas.

A relação dinâmica na equação de dolarização financeira é caracterizada pela presença da variável dependente defasada entre os regressores, conforme a expressão seguinte: ' , 1 it i t it it y =δ y ₋ +X β+u , com i = 1,...,N e t = 1,...,T (2.1) em que δ _{é um escalar;} ' it

X é o vetor de variáveis explicativas 1 x k, que

podem ser estritamente exógenas, endógenas ou pré-determinadas; β é o vetor de coeficientes k x 1. Assume-se que o termo uit segue o modelo de componente de erro a seguir: it i it v u ₌

_µ

_{+ (2.2)} onde µi ~ IID(0, 2 µ σ _{) e} v_{it~ IID(0,} 2 v σ _).

O componente µi são os efeitos fixos individuais (específicos a cada país) e invariantes no tempo, ao passo que vit são os choques específicos a cada país e que variam no tempo. Estes últimos choques são heteroscedásticos e correlacionados (no tempo) dentre os indivíduos, mas não entre os indivíduos. Assume-se então que:

( )

( )

(

)

(

)

. 0

. 0 para cada , , , com

i it i it it js E E v E v E v v i j t s i j µ = = µ = = ≠ (2.3)

As variáveis estritamente exógenas não dependem dos erros vit correntes e nem passados, enquanto as pré-determinadas (que inclui a variável dependente defasada) são potencialmente correlacionadas com erros vit passados e podem ser correlacionadas com os efeitos fixos individuais µi. Por sua vez, as variáveis

endógenas são potencialmente correlacionadas com erros vit correntes e passados e podem ser correlacionadas com os efeitos fixos individuais µi.

Estimações de modelos em painel conforme as equações (2.1) e (2.2) são caracterizadas por duas fontes de persistência no tempo. A primeira delas diz respeito à autocorrelação devido à presença da variável dependente defasada entre os regressores, ao passo que a segunda diz respeito aos efeitos individuais específicos a cada indivíduo

( )

µi , caracterizando a heterogeneidade entre os mesmos. Sendo assim, a inclusão da variável dependente defasada como uma das variáveis independentes no modelo da equação (2.1) torna o estimador OLS δ _{viesado e inconsistente mesmo se o termo de} erro νit não for serialmente correlacionado

31

. Para contornar este problema poderíamos usar o estimador de efeitos fixos, com a transformação within. Tomando-se a média no tempo das variáveis de (2.1):

y_i =δ_y

i+ xi

'

β+µi+ vi (2.4)

Subtraindo a equação (2.4) da equação (2.1), temos:

y_{it− yi}

(

)

= yi ,t−1− y _ i ! "# $ %&δ + x

(

it' xi

)

β + µ

(

i' µi

)

+ v

(

it' vi

)

y_it' y_i

(

)

= yi ,t'1' y _ i ! "# $ %&δ + x

(

it' xi

)

β + v

(

it' vi

)

(2.5) 31

Ou seja, como y_i,_t é função do µi, segue que y_{i, −t 1} também é função do µi. Portanto, y_{i, −t 1}, regressor no lado direito da equação (2.1), está correlacionado com o termo de erro.

Tal transformação elimina µi (efeitos fixos individuais), mas yi,t!1! y

_

i

"

# $% ainda

será correlacionado com ν

it−ν

_

i mesmo se ν

it não forem serialmente correlacionados. Isso ocorre porque yi,t−1 é correlacionado com νit por construção. Baltagi (2008) também mostra que, em modelos de dados em painel dinâmico, o Estimador de Efeitos Aleatórios obtido via Método dos Mínimos Quadrados Ponderados também é viesado. Uma transformação alternativa para eliminar os efeitos individuais é a transformação em primeira diferença (first difference transformation), sugerido por Anderson e Hsiao (1981). Assim, para se obter estimativas consistentes dos parâmetros δ _{e dos β's,}

tomamos a primeira diferença de (2.1) para eliminar os efeitos individuais e, assim, remover a fonte de inconsistência do modelo:

(

)

(

)

(

)

(

) (

)

(

)

( )

(

)

1 1 2 1 1 ' 1 it it it it it it i i it it it it it it y y y y X X y y x v δ β µ µ ν ν δ β − − − − − − − = − + − + − + − Δ = Δ + Δ + Δ (2.6)

O procedimento de diferenciação acima que elimina os efeitos fixos individuais torna as variáveis pré-determinadas endógenas uma vez que elas também foram diferenciadas. Sendo assim, alguma variável pré-determinada presente em

(

Xit−Xit₋₁

)

pode estar correlacionada com os erros vi t_,−1 em

(

vi t, −vi t, 1₋

)

. O estimador do Método

dos Momentos Generalizados (GMM) de Arellano e Bond (1991) resolve este problema ao instrumentalizar as variáveis

(

'

)

it

x

Δ que não são estritamente exógenas com suas defasagens disponíveis em nível. Contudo, neste estimador de primeira diferença (difference GMM) as defasagens em nível disponíveis podem ser instrumentos fracos para as variáveis não estritamente exógenas caso estas defasagens estiverem próximas de um passeio aleatório.

Para contornar este problema, Arellano e Bover (1995) e Blundell e Bond (1998) adicionaram ao difference GMM a equação original em nível (equação 2.1), aumentando a eficiência devido à presença de mais instrumentos. Assim, temos um sistema com duas equações, conhecido como System GMM, em que na equação em diferença as variáveis em diferença

(

'

)

it

x

Δ são instrumentalizadas com suas defasagens disponíveis em nível, ao passo que na equação em nível as variáveis em nível são

instrumentalizadas com defasagens adequadas de suas próprias primeiras diferenças. As diferenças das variáveis instrumentalizadas são não correlacionadas com os Efeitos Fixos.

Belgede İnternet tabanlı öğretim elemanı ve ders değerlendirme yöntemine ilişkin öğrenci algılarının incelenmesi (sayfa 138-144)