Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-01-09T16:22:37Z No. of bitstreams: 1 marcelferreiradeoliveira.pdf: 2312394 bytes, checksum: f33ded8f4be15a1631188b06f654c1a6 (MD5) / Approved for entry into archive by Diamantino Mayra (mayra.diamantino@ufjf.edu.br) on 2017-01-31T11:22:13Z (GMT) No. of bitstreams: 1 marcelferreiradeoliveira.pdf: 2312394 bytes, checksum: f33ded8f4be15a1631188b06f654c1a6 (MD5) / Made available in DSpace on 2017-01-31T11:22:13Z (GMT). No. of bitstreams: 1 marcelferreiradeoliveira.pdf: 2312394 bytes, checksum: f33ded8f4be15a1631188b06f654c1a6 (MD5) Previous issue date: 2015-06-11 / O objetivo desta dissertação é estudar a dinâmica da produtividade total dos fatores (PTF) através de um modelo de fatores dinâmicos e verificar a importância do catch up e outros determinantes da PTF por meio do estimador do GMM Sistêmico, utilizando dados da Penn World Table 9.0 entre 1970 e 2014. Devido à existência de transbordamentos tecnológicos e comércio internacional, é esperado que existam variações comuns entre as produtividades de diferente países. Sendo assim, estimamos um modelo de fatores dinâmicos para as PTFs de um conjunto de países tecnologicamente avançados para capturar esses efeitos. Dessa estimativa fomos capazes de extrair seu fator comum e usá-la como proxy para PTF mundial. Isso nos permite incluir a tendência comum na regressão da PTF e estimar seus efeitos sobre a PTF. Nosso fator comum estimado reflete bem aos principais choques de produtividade que ocorreram no período e a sensibilidade de cada país com relação ao fator comum parece estar negativamente relacionada com o nível de desenvolvimento de cada país – essa correlação parece estar de acordo com o argumento de que há um efeito de catch up na produtividade: países mais distantes da fronteira têm crescimento maior por absorverem mais da tecnologia mundial. Além disso, nossas estimativas para o painel dinâmico estimado utilizando este fator estimado reforça esse resultado. / The purpose of this dissertation is to study the global dynamics of total factor productivity (TFP) through a dynamic factors model and verify the importance of the catch up effect and other determinants of TFP through the System GMM estimator, using data from the Penn World Table 9.0 from 1970 to 2014. Because there’re technological spillovers and international trade, it would be expected to see the existence of common variations in the productivity of different countries. Therefore, we apply a dynamic factor model to these productivities and its growth rates in order to capture these effects. These estimates allow us to extract the common factor and use it as a proxy for the world TFP. It allows us to include the common trend in the dynamic equation in the TFP regression in order to estimate its effects on the TFP. Our estimated common factor captures well the main productivity shocks that occurred in the period, and the sensibility of each country to the common factor seems to be negatively related to its country level of technological development – this correlation is in accordance with the argument that there’s a catch up effect in productivity: countries more distant from the frontier have higher growth rates because there is more room to absorb from the global technology. Moreover, our estimates for the dynamic panel using this estimated factor reinforces this result.