Descripción del proyecto
EL TEMA DE ESTA PROPUESTA ES INFERENCIAS EN MODELOS ECONOMETRICOS DE ALTA DIMENSION, HAY MUCHOS PARAMETROS DE INTERES EN ECONOMIA QUE DEPENDEN DE PARAMETROS INICIALES DE ALTA DIMENSION, POR EJEMPLO, EN LOS MODELOS ECONOMICOS DE COMPORTAMIENTO ESTRATEGICO, LOS AGENTES ECONOMICOS TOMAN DECISIONES TENIENDO EN CUENTA SUS EXPECTATIVAS SOBRE LAS ESTRATEGIAS DE OTROS AGENTES, POR LO TANTO, LOS PARAMETROS DE LA FUNCION DE UTILIDAD DEL AGENTE DEPENDEN DE EXPECTATIVAS RACIONALES POTENCIALMENTE MUY COMPLEJAS, COMO SEGUNDO EJEMPLO, PARA OBTENER ESTIMACIONES CREIBLES DEL IMPACTO CAUSAL DE UNA POLITICA ECONOMICA A MENUDO HACE FALTA "CONTROLAR POR" (O ELIMINAR PRIMERO EL EFECTO DE) MUCHAS VARIABLES, LOS METODOS ECONOMETRICOS ESTANDAR, COMO EL ESTIMADOR DE METODOS GENERALIZADOS DE MOMENTOS (GMM), NO PERMITEN ESTIMACIONES MODERNAS DE ALTA DIMENSION PARA ESTOS ESTIMADORES INICIALES, POR HERRAMIENTAS MODERNAS DE ALTA DIMENSION NOS REFERIMOS A METODOS COMO LASSO, RANDOM FOREST, RIDGE, BOOSTED TREES, NEURAL NETS, SUPPORT VECTOR MACHINES Y OTROS METODOS QUE A MENUDO SE CONOCEN COMO METODOS DE "APRENDIZAJE AUTOMATICO", LAS ESTIMACIONES TRADICIONALES EN DOS ETAPAS ADOLECEN DE GRANDES SESGOS CUANDO LOS PARAMETROS INICIALES SE ESTIMAN MEDIANTE METODOS DE APRENDIZAJE AUTOMATICO, LOS ESTIMADORES LOCALMENTE ROBUSTOS, ES DECIR, LOS ESTIMADORES QUE TIENEN DERIVADA CERO CON RESPECTO A LOS PRIMEROS PASOS, PERMITEN ESTOS METODOS DE ESTIMACION DE ALTA DIMENSION, ESTE PROYECTO PROPONE METODOS GENERALES PARA CONSTRUIR ESTIMADORES LOCALMENTE ROBUSTOS PARA MUCHOS MODELOS ECONOMETRICOS QUE SON DE GRAN INTERES PRACTICO,EL PROYECTO CONSISTE EN CINCO LINEAS DE INVESTIGACION, LA PRIMERA LINEA DE INVESTIGACION PRESENTA UN ENFOQUE GENERAL PARA CONSTRUIR ESTIMADORES LOCALMENTE ROBUSTOS EN UN CONTEXTO DE GMM, SE DISCUTEN APLICACIONES A LA CLASE IMPORTANTE DE MODELOS DINAMICOS DE ELECCION DISCRETA, APLICAMOS ESTAS HERRAMIENTAS A UN MODELO DINAMICO DE ELECCION DISCRETA DONDE LOS HOGARES DECIDEN CUANDO COMPRAR, DONDE COMPRAR, CUANTO GASTAR Y QUE CATEGORIAS DE PRODUCTOS COMPRAR, LA SEGUNDA LINEA DE INVESTIGACION PROPONE NUEVOS ESTIMADORES LOCALMENTE ROBUSTOS PARA MODELOS NO LINEALES CON VARIABLES ENDOGENAS ESTIMADAS POR UN ENFOQUE DE FUNCION DE CONTROL, APLICAMOS ESTAS HERRAMIENTAS PARA ESTUDIAR LAS DECISIONES DE MIGRACION EN EE, UU, Y EUROPA, LA TERCERA LINEA PROPONE ESTIMADORES LOCALMENTE ROBUSTOS PARA MODELOS DE SELECCION DE MUESTRAS, CON UNA APLICACION A LA EVALUACION DE SUBSIDIOS PARA LA INVERSION PRIVADA EN I + D EN ESPAÑA, LA CUARTA LINEA PROPONE NUEVOS ESTIMADORES PARA EL MODELO DE COEFICIENTES ALEATORIOS TIPO LOGIT, ESTE MODELO ES AMPLIAMENTE UTILIZADO EN ECONOMIA AMBIENTAL, ECONOMIA INDUSTRIAL, MARKETING, ECONOMIA PUBLICA, ECONOMIA DEL TRANSPORTE Y OTROS CAMPOS, PROPONEMOS UN NUEVO ESTIMADOR PARA LA DISTRIBUCION DE LOS COEFICIENTES ALEATORIOS Y UN ESTIMADOR LOCALMENTE ROBUSTO PARA LOS PARAMETROS NO ALEATORIOS, LA QUINTA LINEA DE INVESTIGACION DESARROLLARA UN ESTIMADOR DE VARIABLES INSTRUMENTALES (IV) QUE ES UN ANALOGO AL ESTIMADOR DE MINIMOS CUADRADOS, PERO PARA REGRESIONES ESTRUCTURALES (I,E PARA VARIABLES ENDOGENAS), EL NUEVO ESTIMADOR ESTIMARA LA APROXIMACION LINEAL OPTIMA A LA VERDADERA FUNCION ESTRUCTURAL BAJO LA ESPECIFICACION ERRONEA, ESPERAMOS QUE EL NUEVO ESTIMADOR PROPORCIONE ESTIMACIONES CREIBLES Y ROBUSTAS DE LA ELASTICIDAD DE LA SUSTITUCION INTERTEMPORAL (ESI) EN LOS MODELOS DE ACTIVOS FINANCIEROS, EN CONTRASTE CON LAS ESTIMACIONES IV EXISTENTES, ESTIMACIÓN EN DOS ETAPAS\ESTIMADORES LOCALMENTE ROBUSTOS\MODELOS ECONOMÉTRICOS DE ALTA DIMENSIÓN\APRENDIZAJE AUTOMÁTICO\MODELOS DE ELECCIÓN DISCRETA\VARIABLES ENDÓGENAS\MIGRACIÓN\SELECCIÓN MUESTRAL\VARIABLES INSTRUMENTALES.