Submitted by Leonardo Salim Saker Chaves (lsalimsaker@gmail.com) on 2015-07-24T19:51:22Z No. of bitstreams: 1 Dissertacao_LeonardoSalim_BMHS.pdf: 661288 bytes, checksum: a89da060d1378be5cf51ff1edc18cfc6 (MD5) / Approved for entry into archive by BRUNA BARROS (bruna.barros@fgv.br) on 2015-07-27T14:42:35Z (GMT) No. of bitstreams: 1 Dissertacao_LeonardoSalim_BMHS.pdf: 661288 bytes, checksum: a89da060d1378be5cf51ff1edc18cfc6 (MD5) / Approved for entry into archive by Maria Almeida (maria.socorro@fgv.br) on 2015-07-30T19:33:12Z (GMT) No. of bitstreams: 1 Dissertacao_LeonardoSalim_BMHS.pdf: 661288 bytes, checksum: a89da060d1378be5cf51ff1edc18cfc6 (MD5) / Made available in DSpace on 2015-07-30T19:33:33Z (GMT). No. of bitstreams: 1 Dissertacao_LeonardoSalim_BMHS.pdf: 661288 bytes, checksum: a89da060d1378be5cf51ff1edc18cfc6 (MD5) Previous issue date: 2015-04-28 / This work studies the hypothesis testing based on generalized method of moments (GMM) estimation given by instruments condition. The importance for the development of Economics lies on the fact that when identi cation is weak, the standard test can be misleading. Therefore, it is made a review of proposed tests to overcome this problem and also present two useful frameworks of study; from Moreira (2002), Moreira and Moreira (2013) and Kleibergen (2005). So, this work conciliate the previous frameworks a way to write the score proposed initially in Kleibergen (2005) using Moreira and Moreira (2013) statistics and presents the optimal score test based on asymptotic theory from Newey and McFadden (1984). Moreover, the study shows the equivalence between the GMM and maximum likelihood estimation to deal with the weak instruments problem. / Esta dissertação se propõe ao estudo de inferência usando estimação por método generalizado dos momentos (GMM) baseado no uso de instrumentos. A motivação para o estudo está no fato de que sob identificação fraca dos parâmetros, a inferência tradicional pode levar a resultados enganosos. Dessa forma, é feita uma revisão dos mais usuais testes para superar tal problema e uma apresentação dos arcabouços propostos por Moreira (2002) e Moreira & Moreira (2013), e Kleibergen (2005). Com isso, o trabalho concilia as estatísticas utilizadas por eles para realizar inferência e reescreve o teste score proposto em Kleibergen (2005) utilizando as estatísticas de Moreira & Moreira (2013), e é obtido usando a teoria assintótica em Newey & McFadden (1984) a estatística do teste score ótimo. Além disso, mostra-se a equivalência entre a abordagem por GMM e a que usa sistema de equações e verossimilhança para abordar o problema de identificação fraca.

Made available in DSpace on 2016-06-02T20:06:06Z (GMT). No. of bitstreams: 1 4331.pdf: 1908865 bytes, checksum: d564b46a6111fdca6f7cc9f4d5596637 (MD5) Previous issue date: 2009-03-18 / Universidade Federal de Minas Gerais / The Weibull distribuition is a common initial choice for modeling data with monotone hazard rates. However, such distribution fails to provide a reasonable parametric _t when the hazard function is unimodal or bathtub-shaped. In this context, Cooray (2006) proposed a generalization of the Weibull family by considering the distributions of the odds of Weibull and inverse Weibull families, referred as the odd Weibull family which is not just useful for modeling unimodal and bathtub-shaped hazards, but it is also convenient for testing goodness-of-_t of Weibull and inverse Weibull as submodels. In this project we have systematically studied the odd Weibull family along with its properties, showing motivations for its utilization, inserting covariates in the model, pointing out some troubles associated with the maximum likelihood estimation and proposing interval estimation and hypothesis test construction methodologies for the model parameters. We have also compared resampling results with asymptotic ones. Coverage probability from proposed con_dence intervals and size and power of considered hypothesis tests were both analyzed as well via Monte Carlo simulation. Furthermore, we have proposed a Bayesian estimation methodology for the model parameters based in Monte Carlo Markov Chain (MCMC) simulation techniques. / A distribuição Weibull é uma escolha inicial freqüente para modelagem de dados com taxas de risco monótonas. Entretanto, esta distribuição não fornece um ajuste paramétrico razoável quando as funções de risco assumem um formato unimodal ou em forma de banheira. Neste contexto, Cooray (2006) propôs uma generalização da família Weibull considerando a distribuição da razão de chances das famílias Weibull e Weibull inversa, referida como família Weibull de razão de chances. Esta família não é apenas conveniente para modelar taxas de risco unimodal e banheira, mas também é adequada para testar a adequabilidade do ajuste das famílias Weibull e Weibull inversa como submodelos. Neste trabalho, estudamos sistematicamente a família Weibull de razão de chances e suas propriedades, apontando as motivações para o seu uso, inserindo covariáveis no modelo, veri_cando as di_culdades referentes ao problema da estimação de máxima verossimilhança dos parâmetros do modelo e propondo metodologia de estimação intervalar e construção de testes de hipóteses para os parâmetros do modelo. Comparamos os resultados obtidos por meio dos métodos de reamostragem com os resultados obtidos via teoria assintótica. Tanto a probabilidade de cobertura dos intervalos de con_ança propostos quanto o tamanho e poder dos testes de hipóteses considerados foram estudados via simulação de Monte Carlo. Além disso, propusemos uma metodologia Bayesiana de estimação para os parâmetros do modelo baseados em técnicas de simulação de Monte Carlo via Cadeias de Markov.