Estimation of Multiequation Cross-section Models in the Presence of Spatial Autocorrelation

We describe econometric techniques to treat spatial autocorrelation in multiequation cross-section models. The cross-section approaches discussed here are heavily based on the spatial GMM procedure, proposed by Conley (1999). An extension for fullinformation instrumental variable models is presented. Monte Carlo simulations are employed in order to verify some asymptotic properties of the Spatial GMM approach. The simulations suggest that, even in the presence of spatial nonstationarity, the spatial GMM still delivers valid standard errors. Besides, usual t-statistics appear to have a standard normal distribution. An application for estimating labor and wage equations to study regional growth and development of the Brazilian municipalities, between 1991 and 2000, is presented. Neste artigo, nós descrevemos técnicas econométricas para tratar autocorrelação espacial em modelos multiequacionais, com dados em cross-section. Os procedimentos abordados aqui se baseiam no método de momentos generalizados espacial (GMM espacial) proposto em Conley (1999). Uma extensão para estimação com variáveis instrumentais com informação plena é apresentada. Nós empregamos simulações de Monte Carlo para verificar as propriedades assintóticas dos estimadores descritos. As simulações sugerem que, mesmo na presença de heterogeneidade espacial, o GMM espacial apresenta erros padrões apropriados. Além disso, estatísticas t usuais parecem seguir a distribuição normal padronizada. Finalmente, nós apresentamos uma aplicação, em que são estimadas equações de salário para estudar crescimento e desenvolvimento regional nos municípios brasileiros, entre 1991 e 2000.