Repositório Digital
Use este identificador para citar ou linkar para este item:
https://repositorio.insper.edu.br/handle/11224/4286
| Tipo de Documento: | Artigo Científico |
| Título: | GMM quantile regression |
| Autor: | Firpo, Sergio Pinheiro Galvao, Antonio F. Pinto, Cristine Campos de Xavier Poirier, Alexandre Sanroman, Graciela |
| Data da publicação: | 2022 |
| Resumo em inglês: | This paper develops generalized method of moments (GMM) estimation and inference procedures for quantile regression models. We propose a GMM estimator for simultaneous estimation across multiple quantiles. This estimator allows us to model quantile regression coefficients using flexible parametric restrictions across quantiles. The restrictions and simultaneous estimation lead to efficiency gains compared to standard methods. We establish the asymptotic properties of the GMM estimators when the number of quantiles used is fixed and when it diverges to infinity jointly with the sample size. As an alternative to GMM, we also propose a minimum distance estimator over a given subset of quantiles. Moreover, we provide specification tests for the imposed restrictions. The estimators and tests we propose are simple to implement in practice. Monte Carlo simulations provide numerical evidence of the finite sample properties of the methods. Finally, we apply the proposed methods to estimate the effects of smoking on birthweight of live infants at the extreme bottom of the conditional distribution. |
| Keywords (termos em inglês): | Quantile regression Generalized method of moments |
| Idioma principal: | Inglês |
| Area do CNPq: | Ciências Exatas e da Terra |
| URI: | https://www.sciencedirect.com/science/article/pii/S0304407621001299?via%3Dihub |
| Licença de uso: | O INSPER E ESTE REPOSITÓRIO NÃO DETÊM OS DIREITOS DE USO E REPRODUÇÃO DOS CONTEÚDOS AQUI REGISTRADOS. É RESPONSABILIDADE DO USUÁRIO VERIFICAR OS USOS PERMITIDOS NA FONTE ORIGINAL, RESPEITANDO-SE OS DIREITOS DE AUTOR OU EDITOR. |
| Notas: | Texto Completo |
| Aparece nas coleções: | Coleção de Artigos Científicos |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Artigo_2021_GMM Quantile Regression_TC.pdf | Artigo_2021_GMM Quantile Regression_TC | 666.05 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.