This paper investigates the competitive aspects of multi-product banking operations. Extending Panzar and Rosse (1987)'s model to the case of a multi-product banking firm, we show that the higher the economies of scope in multi-product banking are, the lower Panzar-Rosse's measure of competition in the banking sector is. To test this empirical implication and determine the impact of multi-production/conglomeration on market power, we use a new dataset on Brazilian banking conglomerates. Consistent with our theoretical prediction, we find that banks offering classic banking products (i.e., loans and credit cards) and other banking products (i.e., brokerage services, insurance and capitalization bonds) have substantially higher market power than banks that offer only classic products. These results suggest a positive bias in the traditional estimates of competition in which multi-output actions are not considered.

No abstract

No abstract

Sumário: 1. Introdução; 2. O modelo teórico; 3. Estimação e resultados; 4. Conclusão; A. Apêndice. Palavras-chave: microeconomia; economia do esporte; modelos Logit multivariados e ordenados; modelos em painel. Códigos JEL: D11; D12; L83; C33; C35.Este trabalho modela o comportamento de torcidas do futebol profissional brasileiro no que se refere à presença nos estádios. A partir daí, busca testar a fidelidade das mesmas no campeonato brasileiro de 2004. Para isso estima, para os grandes times nacionais, quais foram as torcidas cujo número de torcedores presentes nos jogos pode ser explicado pela expectativa da torcida com relação ao resultado do jogo. Assim, dois passos são seguidos, ambos baseados no nacional de 2004: o primeiro procura estimar, jogo a jogo, um vetor de probabilidade de vitória, empate e derrota do time, através de um Logit Ordenado; o segundo busca estimar, torcida a torcida, quais têm a presença nos estádios determinada pela expectativa percebida com relação ao resultado do jogo. Para tal campeonato, apenas 3 torcidas aparecem como infiéis, quais sejam, dos clubes Atlético Mineiro, Grêmio e Internacional de Porto Alegre.

We use a random-effects model to find the factors that affect the student evaluation of teaching (SET) scores. Dataset covers 6 semesters, 496 undergraduate courses related to 101 instructors and 89 disciplines. Our empirical findings are: (i) the class size affects negatively the SET score; (ii) instructors with more experience are better evaluated, but these gains reduce over time; (iii) participating in training programs, designed to improve the quality of teaching, did not increase the SET scores; (iv) instructors seem to be able to marginally 'buy' a better evaluation by inflating students' grade. Finally, there are significant changes in the rankings when we adjust the SET score to eliminate the effects of variables beyond instructors' control. Despite these changes, they are not statistically significant. Keywordsstudent evaluation score, random-effects model, undergraduate, ranking JEL Classification A22 ResumoEste trabalho emprega um modelo de efeitos aleatórios para estimar os principais fatores determinantes na avaliação de professores por estudantes. Os dados compreendem ♦ We are grateful to Marcia Moura for authorizing the use of the data for this study. We would like to thank Carolina Costa, Tadeu Ponte and specially Rogério Costa for making available the data used for this study. Any views expressed are those of the authors' exclusively. The views expressed herein are those of the author(s) and do not necessarily reflect the views of the Insper. We also would like to thank the three anonymous referees for helpful comments. Needless to say, remaining errors and omissions are of our responsibility.Est. Econ., São Paulo, vol. 42, n.1, p. 129-150, jan.-mar. 2012 130 Eduardo de Carvalho Andrade e Bruno de Paula Rocha496 cursos na graduação, relacionados a 101 diferentes professores e 89 disciplinas, durante 6 semestres letivos. Os principais resultados obtidos são: (i) o tamanho das salas de aula afeta negativamente a nota recebida pelo professor; (ii) professores mais experientes são mais bem avaliados, mas estes ganhos são decrescentes ao longo do tempo; (iii) a participação em programas de treinamento, desenhados para melhorar a qualidade do ensino, não afetam as notas recebidas pelos professores; (iv) a avaliação recebida pelos professores é marginalmente influenciada pela nota dada aos alunos durante o curso. Finalmente, os dados mostram mudanças significativas no ranking dos professores, quando são feitos ajustes para eliminar os efeitos de variáveis fora do controle dos professores. Entretanto, estas mudanças não são estatisticamente significativas.