Doutorado - Efeitos heterogêneos e machine learning: uma aplicação para recursos minerais nos municípios brasileiros

Tipo de evento: 
Defesa
Data e hora: 
26/11/2021 - 14:30 até 17:30

Alexander Brian Chow

Doutorado - Efeitos heterogêneos e machine learning: uma aplicação para recursos minerais nos municípios brasileiros

Orientador: Prof. Dr. Fernando Antonio Slaibe Postali

Comissão: Profs. Drs. Maria Dolores Montoya Diaz, Sérgio Naruhiko Sakurai e Joelson Oliveira Sampaio

Transmissão: https://youtu.be/nLoXRyQICAY

Resumo*

Esta tese tem como objetivo contribuir para a incipiente literatura de machine learning aplicada à inferência causal. Para isso, é realizada uma ampla revisão da literatura, incluindo os principais modelos de inferência causal utilizados, e possíveis aplicações de técnicas de machine learning para contornar algumas de suas limitações. Ainda, é feita uma simulação para testar o desempenho dos modelos para captar os efeitos heterogêneos, sob diferentes processos geradores de dados. Por fim, são utilizados alguns modelos de machine learning, mais especificamente os meta algoritmos S-Learner, T-Learner, X-Learner e X-Learner, com diferentes algoritmos base, para analisar o impacto do recebimento da compensação financeira pela exploração dos recursos minerais (CFEM) sobre as despesas correntes e pessoais, sobre a arrecadação de IPTU e sobre a probabilidade do município violar a Lei de Responsabilidade Fiscal (LRF). É importante ressaltar que há poucas aplicações com dados reais, uma vez que a maioria dos modelos de machine learning para inferência causal são aplicados a dados simulados. Esta tese busca contribuir, portanto, de duas formas. Primeiro, para a literatura de inferência causal com machine learning, que tem se inovado a cada dia, e que está na fronteira do conhecimento. Em segundo, há uma contribuição empírica, uma vez que ela utiliza as principais metodologias a dados não apenas simulados, mas também reais. Os resultados mostram que de fato há heterogeneidade do efeito da CFEM sobre o comportamento fiscal municipal, e evidencia um aumento nas despesas corrente e pessoais, bem como um aumento na probabilidade de violar a LRF.

*Resumo fornecido pelo autor

Departamento:

Voltar para a página de eventos