Walmir dos Reis Miranda Filho UFJF. Com Marcel de Toledo Vieira (UFJF) e Cristiano Ferraz (UFPE) 17 de outubro de 2017
|
|
- Sebastião Santana
- 5 Há anos
- Visualizações:
Transcrição
1 WST2 - Avaliação de Políticas Públicas Pareamento por Escore de Propensão para Avaliação do Impacto de Políticas Públicas a partir de Dados Amostrais Complexos Walmir dos Reis Miranda Filho UFJF walmir.reis.miranda.filho@gmail.com Com Marcel de Toledo Vieira (UFJF) e Cristiano Ferraz (UFPE) 17 de outubro de / 28
2 Sumário 1 Introdução 2 Estimação dos Escores de Propensão 3 Pareamento pelo Escore de Propensão 4 Balanceamento nas Amostras Pareadas 2 / 28
3 Sumário 1 Introdução 2 Estimação dos Escores de Propensão 3 Pareamento pelo Escore de Propensão 4 Balanceamento nas Amostras Pareadas 3 / 28
4 Introdução Pesquisas amostrais têm sido amplamente utilizadas por órgãos ociais para denir a adoção de políticas públicas. Em geral, elas empregam um Plano Amostral Complexo (PAC). Um PAC é todo plano que usa pelo menos um recurso distinto da Amostragem Aleatória Simples (AAS) para selecionar os elementos da população. Ainda hoje, muitas análises ignoram o PAC na obtenção de estimativas pontuais e do erro-padrão associado, supondo uso exclusivo da AAS. 4 / 28
5 Introdução Nesta exposição, será investigada a inferência realizada quando indevidamente se ignora o PAC no Pareamento por Escore de Propensão (PEP) para um tratamento binário. O estudo será feito com dados dos adultos (maiores de 14 anos) pesquisados na Yemen National Social Protection Monitoring Survey (Yemen NSPMS Final Report, 2014). O tratamento de interesse é o Social Welfare Fund (SWF), uma política pública de transferência de renda. O PEP será, portanto, feito para duas abordagens: ignorando e considerando o PAC empregado na Yemen NSPMS. 5 / 28
6 Sumário 1 Introdução 2 Estimação dos Escores de Propensão 3 Pareamento pelo Escore de Propensão 4 Balanceamento nas Amostras Pareadas 6 / 28
7 Estimação dos Escores de Propensão Para modelar os escores de propensão, se cria uma variável binária que assumirá os valores 0 ou 1 para controles e tratados, respectivamente. Um indivíduo é denido como controle se, em todas as rodadas da pesquisa longitudinal, o domicílio em que reside não possuía nenhum beneciário. Um indivíduo é tratado se na 1 a rodada ele não residia com nenhum beneciário, mas esta condição muda em pelo menos uma das demais rodadas. Denotemos, no contexto da Yemen NSPMS, a variável de atribuição da classe (controle ou tratado) por RSWF (Recebimento do Social Welfare Fund). 7 / 28
8 Estimação dos Escores de Propensão O conceito escore de propensão foi introduzido por Rosenbaum & Rubin (1983) para a situação em que há apenas duas classes para atribuição. Dado um indivíduo i, sejam R i a variável resposta de interesse; T i a variável da atribuição da classe e x i o vetor de variáveis observadas na pesquisa. Denotemos por Pr(T i = 1 x i ) = c(x i ) a probabilidade, ou escore de propensão, do indivíduo i pertencer à classe dos tratados. Logo, 0 < c(x i ) < 1 (hipótese de sobreposição). Como T é uma variável binária, não podemos ajustá-la por um modelo de regressão linear clássico. 8 / 28
9 Estimação dos Escores de Propensão Assim, aplicamos uma função de distribuição ao preditor linear Xβ, em que β = (β 1,..., β q ) é um vetor de q parâmetros desconhecidos. Com isso, garantimos que o escore pertencerá ao intervalo I = (0, 1), havendo variação em todas as q covariáveis dada a classe. Aqui, usamos a função de distribuição logística (modelo logit) para modelar os escores dos adultos da Yemen NSPMS. O modelo logit é um exemplo da classe de Modelos Lineares Generalizados. Sob AAS, β é estimado pela Máxima Verossimilhança (MV) tradicional. 9 / 28
10 Estimação dos Escores de Propensão Porém, na presença de dados amostrais complexos, é necessário adaptar a estimação por MV. Dada uma população nita, os pesos amostrais serão considerados através da estimação por Máxima Pseudoverossimilhança (Pessoa & Silva, 1998). Para selecionar as covariáveis na modelagem dos escores para os adultos da Yemen NSPMS, serão tomados como w i os pesos amostrais longitudinais para as quatro rodadas. Cuidados com relação à natureza das covariáveis também devem ser tomados. 10 / 28
11 Estimação dos Escores de Propensão Somente variáveis relativas aos critérios de elegibilidade para o tratamento, ou pelo menos fortemente correlacionadas com estes, podem ser especicadas. Elas também devem inuenciar uma resposta R, caso seja de interesse avaliar o impacto do tratamento nesta variável, e ser observadas na 1 a rodada ou xadas ao longo do tempo. Não se deve adicionar muitas covariáveis. Se ĉ(x i ) estiver muito perto de 0 ou 1, o indivíduo i sempre pertencerá a uma das duas classes e não poderá ser pareado (Caliendo & Kopeinig, 2008). 11 / 28
12 Estimação dos Escores de Propensão Por m, variáveis signicativas (dado um nível nominal α), obedecidas as restrições anteriores, devem estar presentes na especicação do modelo. Se supusermos a existência de um PAC, testes usuais para comparação de MLG's encaixados também devem ser adaptados quando quisermos considerá-lo. Neste estudo, será usado o teste da Razão de Verossimilhanças (RV) será usado como critério para seleção de covariáveis. 12 / 28
13 Estimação dos Escores de Propensão A estatística do teste adaptado para dados amostrais complexos, denominado Razão de Pseudoverossimilhanças (RP), é estudada em detalhes por Lumley & Scott (2014). Variáveis não signicativas serão retiradas uma a uma a partir do maior valor-p a cada novo ajuste, até encontrarmos um modelo que especique apenas as variáveis signicativas. Para a Yemen NSPMS, serão ajustados dois modelos para o escore de propensão. As mesmas variáveis candidatas à especi- cação serão utilizadas nas abordagens AAS e com PAC. 13 / 28
14 Estimação dos Escores de Propensão AI: Adulto é Idoso (pelos critérios de SWF); AMCD: Adulto é Mulher e Chefe do Domicílio, desde que solteira, divorciada ou viúva; API: Adulto é Portador de Invalidez; DRC: Domicílio Recebe Caridade; DRFP: Domicílio Recebe Fundos de Pensão; DRR: Domicílio Recebe Remessas, de parentes ou amigos próximos; NPD: Nível de Pobreza do Domicílio. Temos então os resultados para os testes da RV (RP) no modelo completo para os adultos classicados na Yemen NSPMS, ao nível de 5% de signicância: 14 / 28
15 Estimação dos Escores de Propensão Tabela 1: Teste da RV (RP) no modelo completo do escore nos adultos Variável G. L. Valor do Desvio Valor-p χ 2 (F ) EPAA AMCD 1 (1; 542) 000,03 (001,32) 0,8736 (0,2344) 0,92 API 1 (1; 541) 006,47 (017,96) 0,0110 (<0,0001) 0,98 DRFP 1 (1; 540) 018,65 (001,75) <0,0001 (0,5598) 5,22 AI 1 (1; 539) 001,51 (016,92) 0,2184 (0,0546) 4,49 DRC 1 (1; 538) 020,94 (103,63) <0,0001 (0,0126) 16,33 DRR 1 (1; 537) 003,36 (004,17) 0,0667 (0,4200) 6,41 NPD 3 (3; 534) 112,21 (332,25) <0,0001 (0,0004) 11,68 Exemplo. Pela tabela 1, há 4 variáveis signicativas na abordagem que ignora o PAC (API; DRFP; DRC e NPD) e 3 na que o considera (as mesmas exceto DRFP). 15 / 28
16 Estimação dos Escores de Propensão Retirando as variáveis de cada modelo completo, uma a uma, obtemos a seguinte tabela para o modelo inicial: Tabela 2: Teste da RV (RP) no modelo inicial do escore nos adultos Variável G. L. Valor do Desvio Valor-p χ 2 (F ) EPAA API 1 (1; 542) 006,48 (018,07) 0,0109 (<0,0001) 0,98 DRFP 1 () 018,67 () <0,0001 () DRC 1 (1; 541) 020,95 (103,81) <0,0001 (0,0166) 17,74 NPD 3 (3; 538) 111,09 (326,45) <0,0001 (0,0005) 12,04 Exemplo. Assim como no modelo completo, na especicação reduzida a quantidade de covariáveis selecionadas também é distinta entre as duas abordagens (com e sem PAC). 16 / 28
17 Estimação dos Escores de Propensão Portanto, ignorar o PAC empregado pode alterar as covariáveis escolhidas para o modelo inicial do escore de propensão. Denimos então o modelo inicial para pareamento pelos escores preditos de indivíduos controles e tratados, para ambas as abordagens. Veremos a seguir como fazer o pareamento pelos escores preditos e como julgar a qualidade da amostra pareada, subconjunto da amostra original. 17 / 28
18 Sumário 1 Introdução 2 Estimação dos Escores de Propensão 3 Pareamento pelo Escore de Propensão 4 Balanceamento nas Amostras Pareadas 18 / 28
19 Pareamento pelo Escore de Propensão Se desejarmos avaliar o impacto de um tratamento em R, os indivíduos para análise devem ser comparáveis ao mesmo tempo em que pertencem a classes distintas. Assim, para cada tratado deve haver um controle que seja o mais similar possível nas covariáveis do modelo inicial, para pareamento pelo escore de propensão. Dizemos então que a amostra pareada para avaliação deve ser balanceada. logo, a amostra original é reduzida até conter apenas pares de tratados e controles similares entre si. Para vericarmos se a nova amostra pareada está balanceada nas duas classes, fazemos novos testes de hipóteses, agora nos valores de cada covariável e do escore predito. 19 / 28
20 Pareamento pelo Escore de Propensão Tais testes tomam como hipótese nula a equivalência, entre controles e tratados, para pelo menos uma característica distribucional da variável testada. Somente após conferir se houve balanceamento em cada covariável e no escore predito é que podemos avaliar o impacto da política sob estudo. Por ter um bom desempenho em termos de viés a um baixo custo computacional, será adotado o Pareamento pela Distância Euclidiana (PDE), mais conhecido como Método do Vizinho mais Próximo (Caliendo & Kopeinig, 2008). 20 / 28
21 Sumário 1 Introdução 2 Estimação dos Escores de Propensão 3 Pareamento pelo Escore de Propensão 4 Balanceamento nas Amostras Pareadas 21 / 28
22 Balanceamento nas Amostras Pareadas Denidas as amostras pareadas em cada abordagem, é preciso vericar se cada uma delas está balanceada dadas as classes de controles e tratados. Para checar o balanceamento, dois testes não-paramétricos serão adotados. Ambos possuem correções desenvolvidas na literatura para a abordagem que considera o PAC. Para as covariáveis categóricas dos modelos iniciais, usaremos o teste χ 2 de Pearson para independência entre as observações de ambas as classes. E para o escore predito, o teste de Mann- Whitney (MW) para homogeneidade. 22 / 28
23 Balanceamento nas Amostras Pareadas Apresentamos a seguir, para as duas amostras pareadas na Yemen NSPMS, os resultados dos testes de balanceamento. Assim como feito para o teste da RV (RP), resultados sob abordagens distintas (sem e com PAC) estarão na mesma tabela. Novamente, o nível nominal de signicância é xado em 5%. Porém, se deseja agora não rejeitar a hipótese nula nos testes χ 2 de Pearson e MW para conrmar o balanceamento nas amostras pareadas. 23 / 28
24 Balanceamento nas Amostras Pareadas Tabela 3: Teste χ 2 de Pearson para independência nas amostras original e pareada (*) com o modelo inicial dos adultos, sem (com) PAC Variável Est. Pearson χ 2 (F ) Valor-p Balanceou? API 5,95 (14,14) 0,0148 (0,0002) Não (Não) DRFP 20,92 () <0,0001 () Não () DRC 21,85 (7,68) <0,0001 (0,0058) Não (Não) NPD 122,53 (13,02) <0,0001 (<0,0001) Não (Não) API* <0,01 (2,29) >0,9999 (0,1307) Sim (Sim) DRFP* <0,01 () >0,9999 () Sim () DRC* <0,01 (0,34) >0,9999 (0,5599) Sim (Sim) NPD* <0,01 (1,14) >0,9999 (0,3246) Sim (Sim) Sem PAC, temos 1 g. l. para API e DRC e 3 g. l. para NPD, em cada amostra. Com PAC, na distribuição F para API e DRC temos (1, 543) g. l. na amostra original e (1, 488) g. l. na amostra pareada. Para NPD, temos os pares de valores aproximados (2,13; 1156,60) e (2,35; 1144,70) nas amostras original e pareada, respectivamente. 24 / 28
25 Balanceamento nas Amostras Pareadas Como não houve rejeição, podemos então testar o balanceamento nos escores preditos através do teste MW, como mostra a tabela 4. Tabela 4: Teste de MW para homogeneidade nas amostras original e pareada (*) com o modelo inicial para os adultos, sem (com) PAC Variável Est. MW χ 2 (t) Valor-p Balanceou? Escore 127,64 (4,63) <0,0001 (<0,0001) Não (Não) Escore* <0,01 (1,82) >0,9999 (0,0701) Sim (Sim) Na distribuição χ 2 para o teste MW, temos 1 g. l. para as amostras original e pareada. Já na distribuição t, temos 542 e 487 g. l. para as amostras original e pareada, respectivamente. 25 / 28
26 Balanceamento nas Amostras Pareadas Para o escore predito, os resultados para a amostra pareada pelo teste MW são análogos aos obtidos para as covariáveis na tabela 3 pelo teste χ 2 de Pearson. Assim, podemos utilizar a amostra pareada de adultos para avaliar o impacto do SWF na resposta de interesse R. Note que, para a amostra original, os testes χ 2 de Pearson e MW rejeitam a respectiva hipótese nula. Isto mostra que o pareamento pelos escores de tratados com controles foi necessário para obtermos pares comparáveis adequados para uma possível avaliação de impacto. 26 / 28
27 Referências Bibliográcas I AUSTIN, P. C. Optimal caliper widths for propensity-score matching when estimating dierences in means and dierences in proportions in observational studies. Pharmaceutical Statistics. v. 10, p , CALIENDO, M.; KOPEINIG, S. Some practical guidance for the implementation of propensity score matching. Journal of Economic Surveys. v. 22, n. 1, p.31-72, IPCIG; UNICEF. Yemen National Social Protection Monitoring Survey (NSPMS): Final Report. Brasília: IPCIG, LUMLEY, T.; SCOTT; A. Tests for regression models tted to survey data. Australian & New Zealand Journal of Statistics. v. 56, n. 1, p.1-14, LUMLEY, T.; SCOTT, A. Two-sample rank tests under complex sampling. Biometrika. v. 100, 4, p , / 28
28 Referências Bibliográcas II OHLSSON, E. Sequential Poisson Sampling. Journal of Ocial Statistics. v. 14, 2, p , PESSOA, D. G. C. ; SILVA, P. L. D. N. Análise de Dados Amostrais Complexos. Rio de Janeiro: IBGE, RAO, J. N. K.; SCOTT, A. J. The analysis of categorical data from complex sample surveys. American Statistical Association Conference. Washington, D. C., ROSENBAUM, P. R.; RUBIN, D. B. The central role of the propensity score in observational studies for causal eects. Biometrika. v. 70, n. 1, p , THOMAS, D. R.; RAO, J. N. K. Small-sample comparisons of level and power for simple goodness-of-t statistics under cluster sampling. Journal of the American Statistical Association. v. 82, n. 398, p , / 28
Linha Técnica Sessão VI Métodos de Homogeneização
Impact Evaluation Linha Técnica Sessão VI Métodos de Homogeneização Human Development Network Spanish Impact Evaluation Fund www.worldbank.org/sief Quando podemos usar homogeneização? E se a designação
Leia maisCentro Internacional de Pobreza (PNUD/IPEA) Fabio Veras Soares. Estimação do Impacto de Múltiplos Tratamentos e do. Escore de Propensão Generalizado
Estimação do Impacto de Múltiplos Tratamentos e do Efeito Dosagem: Escore de Propensão Generalizado Fabio Veras Soares Centro Internacional de Pobreza (PNUD/IPEA) Vimos nas aulas anteriores que o escore
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisAvaliação do Impacto de Políticas de Transferência de Renda a partir de Dados Amostrais Complexos
Universidade Federal de Pernambuco Centro de Ciências Exatas e da Natureza Programa de Pós-graduação em Estatística Walmir dos Reis Miranda Filho Avaliação do Impacto de Políticas de Transferência de Renda
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisTécnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching
Técnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching Bruno César Araújo Instituto de Pesquisa Econômica Aplicada
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisA Importância do Desenho Amostral. Donald Pianto Departamento de Estatística UnB
A Importância do Desenho Amostral Donald Pianto Departamento de Estatística UnB Objetivo dessa aula Explicar os tipos básicos de amostragem e a razão pelo uso de cada um Contemplar o uso simultaneo de
Leia maisTestes de Hipóteses. Curso de Introdução à Econometria usando o R. Vítor Wilher. 1 de Dezembro de analisemacro.com.br
Testes de Hipóteses Curso de Introdução à Econometria usando o R Vítor Wilher analisemacro.com.br 1 de Dezembro de 2016 Vítor Wilher (analisemacro.com.br) Testes de Hipóteses 1 de Dezembro de 2016 1 /
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisUniversidade Federal de Pernambuco Departamento de Estatística Inferência Estatística 2 (ET593) Fases de uma Análise Estatística
Universidade Federal de Pernambuco Departamento de Estatística Inferência Estatística 2 (ET593) Fases de uma Análise Estatística Dados Organização Estatística Descritiva Interpretação Os Dados vêm da amostra
Leia maisModelos Lineares Generalizados
Modelos Lineares Generalizados Emilly Malveira de Lima Análise de Dados Categóricos Universidade Federal de Minas Gerais - UFMG 10 de Maio de 2018 Emilly Malveira (PGEST-UFMG) 10 de Maio de 2018 1 / 20
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisMetodologias causais para estudos observacionais
Metodologias causais para estudos observacionais Prof. Alexandre Chiavegatto Filho Escola de Epidemiologia FSP-USP 18 de maio de 2015 Referências 1 - Menezes Filho, N. Avaliação econômica de projetos sociais.
Leia maisModelo de Variáveis discretas. Regressão com uma variável dependente Binária. Variáveis dependentes Binárias. Modelo de Probabilidade Linear
Regressão com uma variável dependente Binária Capítulo 9 Stock e Watson. Econometria. Modelo de Variáveis discretas P(y = 1 x) = G(β 0 + xβ) y* = β 0 + xβ + u, y = max(0,y*) 1 2 Variáveis dependentes Binárias
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisMeta-análise: comparação de proporções para o caso de duas amostras independentes
Meta-análise: comparação de proporções para o caso de duas amostras independentes Arminda Lucia Siqueira 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 Luana Sílvia dos Santos 1 Pollyanna Vieira Gomes da Silva
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisIntrodução a Estatística
Introdução a Estatística Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O curso foi dividido em três etapas: 1 vimos como
Leia maisExemplos Regressão Dados Binários
Exemplos Regressão Dados Binários p. 1/28 Exemplos Regressão Dados Binários Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de 2011 Exemplos
Leia maisANÁLISE E MODELAGEM DE DADOS LONGITUDINAIS NO R
Revista da Estatística UFOP, Vol II, 2012, ISSN 2237-8111, XI Encontro Mineiro de Estatística - MGEST ANÁLISE E MODELAGEM DE DADOS LONGITUDINAIS NO R Leandro Vitral Andraos 1,2, Marcel de Toledo Vieira
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisAULAS 20 E 21 ESCORE DE PROPENSÃO DE PAREAMENTO
1 AULAS 20 E 21 ESCORE DE PROPENSÃO DE PAREAMENTO Ernesto F. L. Amaral 21 e 23 de maio de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas para Avaliação
Leia maisCoeficiente de determinação R 2 no modelo de regressão linear normal
Coeficiente de determinação R 2 no modelo de regressão linear normal Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
Leia maisvariável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisAMOSTRAGEM COMPLEXA. Bases de Dados IAN-AF Tutorial para análise ponderada recorrendo aos softwares SPSS e R
AMOSTRAGEM COMPLEXA Bases de Dados IAN-AF Tutorial para análise ponderada recorrendo aos softwares SPSS e R 1 Conteúdo Nota introdutória... 3 1. Software SPSS... 4 2. Software R... 16 Referências [1] R
Leia maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia maisTESTES DE HIPÓTESES E INTERVALOS DE CONFIANÇA EM MODELOS LINEARES GENERALIZADOS
TESTES DE HIPÓTESES E INTERVALOS DE CONFIANÇA EM MODELOS LINEARES GENERALIZADOS Antes de apresentar alguns dos testes de hipóteses e intervalos de confiança mais usuais em MLG, segue a definição de modelos
Leia maisAULA 11 Teste de Hipótese
1 AULA 11 Teste de Hipótese Ernesto F. L. Amaral 20 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia mais1 z 1 1 z 2. Z =. 1 z n
Gabarito Lista 3. Tópicos de Regressão. 2016-2. 1. Temos que y i ind N (µ, φi ), com log φ i = α + γz i, para i = 1,..., n, portanto (i) para o γ = (α, γ) a matriz modelo ca Z = 1 z 1 1 z 2.. 1 z n (ii)
Leia maisAjuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisAula 16: Análise de Aderência e Associação
Aula 16: Análise de Aderência e Associação Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2. Veremos
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisProfessora Ana Hermínia Andrade. Período
Teste de Hipóteses Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.1 Teste de Hipóteses O Teste de Hipóteses
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.
Leia maisEconometria para Avaliação de Políticas Públicas
Aula 1: Propensity Score Itaú Social 08/01/2016 Revisão Introdução O problema da identi cação Como determinar se há efeito causal de um programa social em alguma variável de interesse. Exemplo 1: Programa
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisTestes de Hipóteses Não Paramétricos
ACH4513 INFERÊNCIA ESTATÍSTICA 2º Sem/2017 Testes de Hipóteses Não Paramétricos Prof. Marcelo S. Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto Referência: W.O.Bussab, P.A.Morettin. Estatística
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisTESTES NÃO PARAMÉTRICOS (para mediana/média)
MAE212: Introdução à Probabilidade e à Estatística II - Profas. Beti e Chang (2012) 1 TESTES NÃO PARAMÉTRICOS (para mediana/média) Os métodos de estimação e testes de hipóteses estudados até agora nessa
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia maisTestes t para comparação de médias de dois grupos independentes
Testes t para comparação de médias de dois grupos independentes Acadêmicas do curso de Zootecnia - Aline Cristina Berbet Lopes Amanda da Cruz Leinioski Larissa Ceccon Universidade Federal do Paraná UFPR/2015
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisAnálise de Dados Categóricos
1/43 Análise de Dados Categóricos Modelo de Regressão de Poisson Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Departamento de Estatística Universidade Federal de Minas Gerais 2/43 Revisão:
Leia maisIdentificação da Distribuição Teórica de Probabilidades
Identificação da Distribuição Teórica de Probabilidades A utilização de gráficos, tais como um histograma, são muito úteis para a identificação ou delineamento da distribuição teórica de probabilidades.
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisAULAS 25 E 26 VARIÁVEIS INSTRUMENTAIS
1 AULAS 25 E 26 VARIÁVEIS INSTRUMENTAIS Ernesto F. L. Amaral 11 e 13 de junho de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas para Avaliação
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 4
MAE 9 - Introdução à Probabilidade e Estatística II Resolução Lista 4 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 Antes de testar se a produtividade média dos operários do período diurno
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisAULA 07 Regressão. Ernesto F. L. Amaral. 05 de outubro de 2013
1 AULA 07 Regressão Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercício A fim de comparar os salários médios anuais de executivos e executivas de uma determinada cidade, amostras aleatórias de n = 26 executivos e n 2 = 24 executivas foram coletadas obtendose os valores
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisAnálise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica
1/41 Análise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Revisão para Dados Transversais 1 Características Informações amostrais
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos
PHD 574 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 8 a aula Testes Não-Paramétricos de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 005 Estatística Aplicada
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Leia maisINFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE
INFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE A análise de deviance é uma generalização, para modelos lineares generalizados, da análise de variância. No caso de modelos lineares, utiliza-se
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisEstatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Leia maisModelos heterocedásticos com erros nas variáveis: modelando a emissão de raios-x contra a massa de buracos negros
Modelos heterocedásticos com erros nas variáveis: modelando a emissão de raios-x contra a massa de buracos negros Alexandre Galvão Patriota IME - USP Alexandre Galvão Patriota (IME - USP) Modelo com erro
Leia maisDisciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2006
Instruções para a prova: PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 006 a) Cada questão respondida corretamente vale um ponto. b) Questões deixadas em branco valem zero pontos (neste caso marque todas
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisInstituto Federal Goiano
e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisAnálise de Dados Categóricos
1/50 Análise de Dados Categóricos Introdução à Disciplina Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2/50 Disciplina Análise de Dados Categóricos Resposta vs Covariáveis Resposta: categórica
Leia maisEstatística aplicada a ensaios clínicos
Estatística aplicada a ensaios clínicos RAL - 5838 Luís Vicente Garcia lvgarcia@fmrp.usp.br Faculdade de Medicina de Ribeirão Preto Estatística aplicada a ensaios clínicos aula 12 1 grupo 2 grupos > 2
Leia maisAula 15: Testes para Duas Amostras
Aula 15: Testes para Duas Amostras Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da Silva (UFPR)
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia mais