Essays on estimation of agent-based models and its application in undestanding [sic] the behavior of brazilians

Abstract

Resumo: Os métodos tradicionais de pesquisa em Economia são classificados como dedutivos ou indutivos. Os Modelos Baseados em Agentes (ABMs) são um novo tipo de método que pode ser classificado como 'generativo', ou seja, são construídos a partir de algumas suposições sobre como os agentes no modelo se comportam que são usadas para 'gerar' simulações que podem ser analisadas indutivamente. Algumas das diferenças para outros métodos incluem heterogeneidade, autonomia, espaço explícito, interações locais e racionalidade limitada. No entanto, também apresentam algumas limitações e desafios, como qualidade dos dados de entrada, custo de computação, transparência, validação, reprodutibilidade e padronização. Esta tese de doutorado enfoca a questão da validade, ou quão bem os ABMs podem reproduzir a realidade. Recentemente, pesquisadores desenvolveram maneiras de estimar parâmetros em ABMs que minimizam sua distância em relação aos dados empíricos. A maior parte destes trabalhos é feita usando dados em nível macro do mercado financeiro, mas poucos trabalhos são projetados para dados no nível micro. O objetivo deste estudo é adaptar os métodos existentes para que possa trabalhar com microdados. Para isso, desenvolvemos três ensaios que abordam os seguintes tópicos: i) as mudanças na metodologia existente para abordar microdados e uma aplicação na modelagem da evasão escolar no Brasil, ii) o estudo da estimação de parâmetros utilizando Modelos de Escolha Discreta combinados com um ABM e sua aplicação na modelagem do emprego no Brasil e iii) a combinação dos dois métodos anteriores de estimação de parâmetros e sua aplicação em uma simulação em Transporte Urbano em São Paulo. Os resultados mostram que as metodologias podem ser aplicadas na estimação de ABMs permitindo reproduzir distribuições encontradas em dados de nível micro.

Abstract: The traditional methods of research in Economics are either classified as deductive or inductive. Agent-Based Models (ABMs) are a new type of method that can be classified as ‘generative’, that is, they are built from some assumptions on how agents in the model behave that are used to ‘generate’ simulations that can be analyzed inductively. Some of the differences from other methods include heterogeneity, autonomy, explicit space, local interactions, and bounded rationality. However, they also present some limitations and challenges, such as quality of input data, cost of computation, transparency, validation, reproducibility, and standardization. This doctoral dissertation focuses on the validity issue, or how well ABMs can reproduce reality. Recently some researchers have developed ways to estimate parameters in ABMs that minimize their distance to empirical data. Most of this work is made using financial market macro level data, but few works are designed for data in the micro level. The purpose of this study is to adapt existing methods so that it can work on micro level data. For this, we developed three essays that address the following topics: i) the changes in the existent methodology to address micro level data and one application in modeling school evasion in Brazil, ii) the study of parameter estimation using Discrete Choice Models combined with an ABM and its application in modeling employment in Brazil and iii) the combination of the two previous methods of parameter estimation and its application in a simulation of Urban Transportation in São Paulo. Results show that the methodologies can be applied in the estimation of ABMs allowing them to reproduce distributions found in micro level data.