Evaluating convergence with median-unbiased estimators in panel data

Abstract

This paper extends Andrews' (1993) median-unbiased estimation for auto- regressive/unit root time series to panel data dynamic fixed effects models. It is shown that median-unbiased estimation applies straightforwardly to models that include linear time trends as well as to those including more general time specific effects. Using Monte Carlo simulations, median-unbiased LSDV estimators are computed and found to be robust to groupwise heteroskedastic and cross-sectionally correlated disturbances. These estimators are then used to evaluate conditional convergence, in the sense of economics having parallel balanced growth paths, in the cases of 48 USA states, 13 OECD's and two wider samples from Summers and Ileston's Penn World Tables, with 57 and 100 countries respectively. Unadjusted LSDV estimates, would support conditional convergence in all samples. Median-Unbiased estimates, however, support conditional convergence only among USA states and OECO countries.

Este trabajo extiende el método de estimación mediana-insesgada de Andrews (1993) a modelos dinámicos de panel en efectos fijos. Se muestra que la estimación mediada-insesgada se aplica directamente a modelos de panel que incluyen tendencias temporales lineales o efectos específicos al tiempo. Utilizando simulaciones de Monte Carlo, se encuentra que los estimadores mediana-insesgados son bastante robustos a problemas de heterocedasticidad grupal y correlación de corte transversal. Finalmente estos estimadores son utilizados para evaluar convergencia condicional del ingreso per capita en los casos de 48 estados de USA, 13 países de la OCDE y dos muestras de países de las Penn World Tables de Summers y Heston con 57 países y 100 países respectivamente. Estimadores no corregidos son consistentes con convergencia condicional en todos los casos. Sin embargo estimadores mediana insesgados apoyan convergencia condicional solamente en los casos de los estados de USA y los países de la OCDE.