convergindo

Nas ultimas semanas retomei os trabalhos de convergência de renda. Consegui finalizar o primeiro artigo "Conditional Stochastic Kernel Estimation By Non-Parametric Methods" em co-autoria com o Valls. Ele estende a metodologia de estimação não paramétrica de Kernel Estocástico para convergência condicional, com esquemas de condicionamento mais gerais do que os dos artigos do Quah.
O segundo artigo, ainda sem nome e longe de ser finalizado, está me animando bastante. Consigo colocar as metodologias de kernel estocástico, regressão de crescimento (tanto a linear convencional, quando as variantes usando regressão quantílica e regressão não paramétrica) como subcasos de uma metodologia paramétrica mais geral. A metodologia consegue mostrar de forma bem clara as limitações destas metodologias, e consegue endereçar os problemas existentes em metodologias não-paramétricas.
Uma coisa que particularmente me animou foi que consigo mostrar o motivo das regressões quantílicas não funcionarem para detectar divergência nos dados. Eu inclusive tenho um artigo sobre isso, e eu mesmo tenho que reconhecer que acho os resultados deste artigo anterior
são extremamente frágeis. Agora consigo mostrar exatamente aonde a regressão quantílica falha e como corrigir a metodologia para detectar divergência e formação de clubes de convergência. Se tudo correr bem consigo logo escrever uma primeira versão.