ESTIMAÇÃO PELO MÉTODO ORDINÁRIO DE MÍNIMOS QUADRADOS (OLS)
|
|
- Isabel Castilho Chaves
- 7 Há anos
- Visualizações:
Transcrição
1 ESTIMAÇÃO PELO MÉTODO ORDINÁRIO DE MÍNIMOS QUADRADOS (OLS) 1 No quadro abaixo, reproduzem-se os resultados de uma estimação realizada com o programa informático EViews. Alguma da informação fornecida pelo programa foi suprimida; reconstitua-a, apresentando os cálculos. Sample: 1 3 Included observations: 3 C ?? X ?? R-squared? Mean dependent var Adjusted R-squared? S.E. of regression? Sum squared resid F-statistic? Durbin-Watson stat Prob(F-statistic)? E, relativamente ao exemplo do quadro seguinte, conseguiria também reconstituir a informação ocultada? Justifique. Sample: 1 8 Included observations: 8 C ?? X ?? X ?? R-squared? Mean dependent var Adjusted R-squared? S.E. of regression? Sum squared resid F-statistic? Durbin-Watson stat Prob(F-statistic)? Suponha ter dois estimadores independentes e cêntricos, ˆ 1 e ˆ, de um certo parâmetro,, com variâncias diferentes, v 1 e v. Qual dos estimadores ˆ definidos pela combinação linear ˆ = c 1 ˆ 1 + c ˆ
2 é o estimador cêntrico de variância mínima de? (Greene (003), exercício 1, p.6) 3 Considere o modelo de regressão linear Y i = β 1 + β X i + u i, em que as perturbações u i têm função densidade de probabilidade f(u i ) = 1 ui e, u i 0, > 0. Note-se que se assume serem não negativas todas as perturbações e que é E(u i ) = e Var(u i ) = ; supõe-se também independência entre X i e u i. Prove que o estimador OLS de β é cêntrico e que o estimador OLS de β 1 é excêntrico. (Greene (003), exercício 4, p.63) 4 Considere o modelo de regressão linear Y i = β 1 + β X i + u i sob as hipóteses clássicas e a amostra {(X i, Y i ), i = 1,,..., n}. Verifique se são cêntricos os estimadores de β definidos nas alíneas seguintes: a) ~ Yi Yj =, quaisquer que sejam i e j, i j, e X i X j ; X X i j ~ 1 n Yi Yi 1 b) =, se X i X i-1, para todo i =, 3,..., n; n 1 X X i= i i 1 ~ 1 n Yi c) =, supondo X i 0, qualquer que seja i; n X i= 1 i d) ~ = n x i= 1 n x i= 1 i y 3 i i, em que x i = X i X, y i = Y i Y e x 0. n i= 1 3 i
3 ESTIMAÇÃO PELO MÉTODO GENERALIZADO DE MÍNIMOS QUADRADOS (GLS) 1 No modelo de regressão linear Y = X + u, as hipóteses clássicas requerem que seja nulo o coeficiente de correlação linear entre duas quaisquer componentes do vector de perturbações, u. No modelo de regressão linear generalizado, as hipóteses permitem afrouxar essa restrição. Mostre como. Nos quadros seguintes, apresentam-se resultados de uma estimação com o programa EViews: Sample: 1 33 Included observations: 33 C X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) White Heteroskedasticity Test: F-statistic Probability Obs*R-squared Probability Test Equation: Dependent Variable: RESID^ Sample: 1 33 Included observations: 33 C X X^ X*X X X3^ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 8.06E+08 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
4 Sample: 1 33 Included observations: 33 White Heteroskedasticity-Consistent Standard Errors & Covariance C X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Comente os resultados, designadamente quanto aos aspectos seguintes: i) possível razão de ser da análise no segundo quadro; ii) conclusões que dessa análise se retiram; iii) possível razão de ser da regressão no terceiro quadro; iv) metodologia seguida na obtenção dos resultados desse quadro; v) justificação dessa metodologia. 3 Reproduz-se abaixo um pequeno programa escrito para EViews e, de seguida, os resultados das duas estimações pedidas no programa. Descreva o procedimento seguido, explique os seus objectivos e indique que conclusões retira dos resultados obtidos. workfile exemplo u 1 8 sort x smpl 1 11 equation eq01.ls y c x x3 smpl 18 8 equation eq0.ls y c x x3 Sample: 1 11 Included observations: 11 C X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
5 Sample: 18 8 Included observations: 11 C X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 4.73 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Os Quadros I a VI apresentam vários resultados obtidos na estimação do modelo Y t = β 1 + β X t + u t com base numa amostra de observações trimestrais. Quadro I: Sample: 1991:1 1995:4 Included observations: 0 C X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) a) O Quadro I mostra os resultados da estimação do modelo por OLS e o Quadro II o correlograma dos resíduos dessa regressão. Que conclui dessas peças quanto à eventual existência e padrão de autocorrelação das perturbações do modelo? b) Relativamente aos quadros restantes, explique o propósito de cada uma das regressões, justifique os procedimentos usados e exponha as conclusões relevantes que retira da análise. (A variável dependente RESIDEQ01 refere-se aos resíduos de estimação da equação no Quadro I.)
6 Quadro II: Sample: 1991:1 1995:4 Included observations: 0 Autocorrelation Partial Correlation AC PAC Q-Stat Prob *****. ***** *****. ** ***.. * *. **** **. *** * **. *** **.. * **.. * *** **.. * **..** Quadro III: Sample(adjusted): 1991: 1995:4 Included observations: 19 after adjusting endpoints C Y(-1) X X(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Quadro IV: Dependent Variable: RESIDEQ01 Sample(adjusted): 1991: 1995:4 Included observations: 19 after adjusting endpoints RESIDEQ01(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression 61.7 Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat
7 Quadro V: *Y(-1) Sample(adjusted): 1991: 1995:4 Included observations: 19 after adjusting endpoints C X *X(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Quadro VI: *Y(-1) Sample(adjusted): 1991: 1995:4 Included observations: 19 after adjusting endpoints C X *X(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Considere o modelo Y i = X i + u i, em que Y i é uma variável binária codificada com os valores 1 ou 0 e u i é um erro aleatório com média nula. a) Mostre por que é esse modelo chamado um modelo linear de probabilidade. b) Que problemas suscita a estimação do modelo por OLS? c) Descreva com pormenor o procedimento que seguiria para estimar o modelo pelo método GLS exequível.
8 d) Se, em vez do par (0,1), tivesse sido usado outro par qualquer, (a,b), para codificar os dois valores possíveis da variável Y, seria ainda apropriada a qualificação do modelo em causa como um modelo linear de probabilidade? Justifique.
9 ESTIMAÇÃO PELO MÉTODO NÃO LINEAR DE MÍNIMOS QUADRADOS (NLS) 1 Considere a equação de regressão Y t = β 1 + β (X t β 3 X 3t ) + β 4 (X 4t β 3 X 5t ) + u t e admita que a perturbação u t verifica as hipóteses clássicas. a) Determine a expressão da equação de regressão linearizada obtida por uma aproximação de 1.ª ordem em série de Taylor da função f(β 1, β, β 3, β 4, X t, X 3t, X 4t, X 5t ) = β 1 + β (X t β 3 X 3t ) + β 4 (X 4t β 3 X 5t ). b) Descreva o processo de estimação por NLS dos coeficientes β 1, β, β 3 e β 4. c) Em alternativa ao procedimento que detalhou na questão anterior, suponha que é estimado por OLS o modelo Y t = δ 1 + δ X t + δ 3 X 3t + δ 4 X 4t + δ 5 X 5t + u t e testada a hipótese 3 5 =. Explique qual o interesse dessa hipótese. 4 Seja o modelo Y i = α + β X i + β X 3i + u i, para estimação do qual se dispõe de uma amostra de 1000 observações. a) Numa primeira abordagem, começou-se por estimar, em vez do modelo do enunciado, o modelo Y i = α + β X i + δ X 3i + v i, tendo-se obtido os resultados do Quadro I. Com eles, planeava-se testar a hipótese Comente. H 0 : δ = β. b) Mostre que, na regressão linearizada, é irrelevante a estimativa inicial de α.
10 Quadro I: Sample: Included observations: 1000 C X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) c) Partindo de estimativas iniciais ˆ = ˆ = 0, procedeu~se à estimação do modelo pelo método da regressão linearizada. Os resultados das três primeiras iterações constam dos Quadros II, III e IV. Comente os aspectos que considere relevantes nesses resultados. Quadro II: Quadro III: 0_1 Sample: Included observations: 1000 C Z0_ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat.1094 Prob(F-statistic) _ Sample: Included observations: 1000 C Z0_ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
11 Quadro IV: 0_3 Sample: Included observations: 1000 C Z0_ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) d) Por último, procedeu-se à estimação do modelo do enunciado por NLS; os resultados figuram no quadro abaixo. Comente-os. Quadro V: Sample: Included observations: 1000 Convergence achieved after 3 iterations Y=C(1)+C()*X+(C()^)*X3 Coefficient Std. Error t-statistic Prob. C(1) C() R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat No exercício 4 da secção sobre estimação por GLS citam-se vários resultados da estimação do modelo Y t = β 1 + β X t + u t com uma amostra de observações trimestrais; o quadro da página seguinte exibe resultados adicionais da análise, desta vez obtidos por recurso a estimadores NLS. a) Justifique o procedimento adoptado na regressão a que se refere esse quadro e interprete a informação obtida.
12 b) Confronte a metodologia seguida nessa regressão com a que resultaria do primeiro passo do método de Durbin para estimação de modelos com autocorrelação. Sample(adjusted): 1991: 1995:4 Included observations: 19 after adjusting endpoints Convergence achieved after 1 iterations Y=C(3)*Y(-1)+C(1)*(1-C(3))+C()*(X-C(3)*X(-1)) Coefficient Std. Error t-statistic Prob. C(3) C(1) C() R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat
13 ESTIMAÇÃO PELO MÉTODO DA MÁXIMA VEROSIMILHANÇA (ML) 1 Suponha que Y é uma variável aleatória com função densidade de probabilidade f(y) = 1, 0 y. Com base numa amostra aleatória {Y 1, Y,..., Y n }, consegue determinar o estimador ML do parâmetro? Discuta a questão. Seja {Y 1, Y,..., Y n } uma amostra aleatória de uma variável Y i) com distribuição de Bernoulli e função de probabilidade f(y; ) = y 1 y (1 ), 0 1, y = 0 ou y = 1; ii) com distribuição de Poisson e função de probabilidade f(y; ) = y e y!, 0, y = 0, 1,,...; iii) com distribuição exponencial e função densidade de probabilidade f(y; ) = e -y, > 0, y > 0. Determine o estimador ML de em cada um desses casos. 3 Considere o modelo de regressão linear Y = X + u sob a hipótese u ~ N(0, I n ). a) Deduza a função logarítmica de verosimilhança, ln L(, ). b) Mostre que é ln L E ln L = 0.
14 c) Determine os estimadores ML de e de. d) Usando o resultado ln L Var ln L ln L ' = E ' ln L ln L, ln L ( ) determine a matriz de variâncias do estimador ML de e a variância do estimador ML de. 4 Considere o modelo * Y i = X i + u i, Y i = * 1, se Yi > 0, 0, em caso contrário u i ~ N(0, 1). e admita disponível uma amostra de n observações (X i, Y i ). a) Deduza a função logarítmica de verosimilhança, ln L(). b) Para o caso particular X i =, qualquer que seja i, deduza o estimador ML de. c) Sendo n 0 e n 1, respectivamente, o número de observações na amostra em que Y i = 0 e o número de observações com Y i = 1, mostre, para o caso particular analisado em b), que o valor máximo de ln L() pode ser determinado apenas pelo conhecimento de n 0 e n 1. 5 Considere o modelo * Y i = X i + u i,
15 * 1, se Yi > 0 Y i =, 0, em caso contrário e admita que u i é uma variável aleatória com função de distribuição F(u i ) = 1 1+ e ui. a) Prove que é Pr ob(yi ln Pr ob(yi = 1 Xi ) = 0 Xi ) = X i. Qual o interesse desse resultado? b) Para o caso particular X i =, qualquer que seja i, deduza o estimador ML de. c) No caso particular citado na alínea anterior, poderia usar o valor máximo da função logarítmica de verosimilhança para decidir qual das especificações probit ou logit seria mais adequada para uma dada amostra? Justifique. 6 Na estimação do modelo Y t = β 1 + β X t + u t, t = 1,,..., n, em que u t = u t-1, + t, sendo 1 < < 1 e { t } uma sequência de variáveis aleatórias independentes e identicamente distribuídas com média 0 e variância, é frequentemente um problema a questão do tratamento a dar à primeira observação, (X 1, Y 1 ). a) Na transformação do modelo de forma a repor as hipóteses clássicas, uma proposta (devida a Prais e Winsten) é a de que a variável dependente do modelo * transformado, Y t, seja definida por * Y t = 1 Y 1, Yt Yt 1, para t = 1 para t =, 3,..., n * e analogamente para X t. Mostre que, de facto, a transformação de Prais-Winsten permite preservar a homoscedasticidade no modelo.
16 b) Mostre que, sob a hipótese adicional de normalidade de, são diferentes as funções de verosimilhança para estimação dos parâmetros β 1, β e no modelo do enunciado e no modelo com t =, 3,..., n. Y t Y t-1 = β 1 (1 ) + β (X t X t-1 ) + t, 7 Relativamente a cada uma de um grupo de 100 mulheres casadas, dispõe-se de informação quanto às variáveis seguintes: NC: número de filhos; HW: salário do marido; ED: número de anos de educação completados; OW: salário da mulher. A variável OW foi codificada com o valor 0 se a mulher não tinha emprego remunerado. Admite-se que a decisão de participação da mulher no mercado de trabalho depende do número de filhos e do salário do marido, mas não do nível de escolaridade completado pela mulher, enquanto o salário auferido por trabalho no mercado depende apenas desse nível de habilitações (mas não do número de filhos ou do salário do cônjuge). Os quadros seguintes apresentam um conjunto de resultados obtidos na análise dessa amostra. Quadro I: Dependent Variable: OW Sample(adjusted): IF OW>0 Included observations: 61 after adjusting endpoints C ED R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) a) Que objecções lhe suscitam os resultados apresentados nos Quadros I e II?
17 Quadro II: Dependent Variable: OW Sample: Included observations: 100 C ED R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) b) O Quadro III refere-se a um modelo probit em que a variável dependente, PART, é uma variável binária que assume o valor 1 se a mulher tem trabalho no mercado ou o valor 0 em caso contrário. Para uma mulher cujo marido tem um salário de 0, havendo um filho do casal, que influência estima venha a ter o nascimento do segundo filho sobre a participação no mercado de trabalho? E que influência estima se desse parto resultar um par de gémeos? Quadro III: Dependent Variable: PART Method: ML - Binary Probit Sample: Included observations: 100 Convergence achieved after 5 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-statistic Prob. C NC HW Mean dependent var S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Restr. log likelihood Avg. log likelihood LR statistic ( df) McFadden R-squared Probability(LR stat) 6.33E-15 c) O Quadro IV, por sua vez, apresenta resultados da estimação de um modelo tobit para os salários. Especifique completamente o modelo e escreva a função de verosimilhança em que se baseou a estimação. d) O Quadro V contém resultados da estimação do modelo pelo método de Heckman em dois passos. Descreva o procedimento seguido. Que vantagens terá esse método sobre as alternativas?
18 Quadro IV: Dependent Variable: OW Method: ML - Censored Normal (TOBIT) Sample: Included observations: 100 Left censoring (value) at zero Convergence achieved after 6 iterations Covariance matrix computed using second derivatives Coefficient Std. Error z-statistic Prob. C ED Error Distribution SCALE:C(3) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Avg. log likelihood Left censored obs 39 Right censored obs 0 Uncensored obs 61 Total obs 100 Quadro V: Dependent Variable: OW Sample(adjusted): IF OW>0 Included observations: 61 after adjusting endpoints C ED LAMBDA R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
19 ESTIMAÇÃO PELO MÉTODO DAS VARIÁVEIS INSTRUMENTAIS (IV) 1 Considere o modelo Y t = β 1 + β Y t-1 + u t. a) Prove que, se Y for uma variável estacionária (no sentido de fracamente estacionária), terá de ser < 1. b) Indique as propriedades do estimador OLS de β (i) caso u t seja uma variável aleatória de espectro branco e (ii) caso u t siga um processso auto-regressivo estacionário de 1ª ordem com média nula. c) Se houvesse razões para considerar insatisfatório o uso do método OLS na estimação do modelo, parece-lhe que o método das variáveis instrumentais constituirira uma boa alternativa? Discuta a questão. Dispõe-se de uma amostra de observações trimestrais das variáveis X t e Y t para o período 1981:1 a 1996:4, com as quais pretende estimar-se o modelo. Y t = β 1 + β Y t-1 + β 3 X t + u t. Alguns resultados da análise aparecem nos quadros seguintes: Quadro I: Sample(adjusted): 1981: 1996:4 Included observations: 63 after adjusting endpoints C Y(-1) X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) a) A avaliar pelo valor da estatística de Durbin-Watson no Quadro I, há autocorrelação das perturbações. Concorda? Se, de facto, existir autocorrelação, que críticas lhe merece a estimação?
20 Quadro II: Method: Two-Stage Least Squares Sample(adjusted): 198:1 1996:4 Included observations: 60 after adjusting endpoints Instrument list: C X X(-1) X(-) X(-3) X(-4) C Y(-1) X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid F-statistic Durbin-Watson stat Prob(F-statistic) b) O Quadro II exibe resultados da estimação do modelo pelo método IV. Parecelhe adequada a escolha das variáveis instrumentais usadas? Justifique. c) Descreva, com rigor, o processo de estimação pelo método bietápico de mínimos quadrados que lhe permitiria obter as mesmas estimativas dos coeficientes β 1, β e β 3 que no Quadro II.
21 ESTIMAÇÃO PELO MÉTODO DOS MOMENTOS GENERALIZADO (GMM) 1 Retome o exemplo da questão na secção sobre a estimação IV. Os Quadros I e II fornecem resultados complementares. Quadro I: Quadro II: Method: Generalized Method of Moments Sample(adjusted): 198:1 1996:4 Included observations: 60 after adjusting endpoints No prewhitening Bandwidth: Fixed (3) Kernel: Bartlett Convergence achieved after: 7 weight matricies, 8 total coef iterations Instrument list: C X X(-1) X(-) X(-3) X(-4) C Y(-1) X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid Durbin-Watson stat J-statistic Method: Generalized Method of Moments Sample(adjusted): 1981: 1996:4 Included observations: 63 after adjusting endpoints No prewhitening Bandwidth: Fixed (3) Kernel: Bartlett Convergence achieved after: 1 weight matrix, total coef iterations Instrument list: C X X(-1) C Y(-1) X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid Durbin-Watson stat J-statistic 3.30E-7 a) As estimativas obtidas pelo método IV (ver Quadro II na questão supracitada da secção sobre esse método) e pelo método GMM (Quadro I desta questão) são diferentes. Explique porquê.
22 b) A avaliar pela estatística J (Quadro I), parecem~lhe adequadas as restrições de sobre-identificação impostas na estimação? Justifique. c) No Quadro II, são apresentados resultados da estimação GMM do modelo com um conjunto diferente de variáveis instrumentais. Discuta a estatística J fornecida nesse quadro. No modelo probit, sabe-se que é E(Y i X i ) = (X i ), em que, por (.), se designou a função cumulativa de distribuição normal reduzida. Poderia, então, usar a condição de ortogonalidade E[Y i (X i )] = 0 como base para a estimação GMM dos coeficientes do modelo? Discuta a questão. 3 Seja Y uma variável com distribuição do qui-quadrado com p graus de liberdade. a) Sabe-se que é E(Y) = p. Qual seria o estimador de p pelo método dos momentos? b) Também é Var(Y) = p. Se usasse esta condição, qual seria o estimador de p pelo método dos momentos? c) Escreva as condições de ortogonalidade e os momentos amostrais correspondentes às condições E(Y) = p e Var(Y) = p. 4 Seja {Y 1, Y,..., Y n } uma amostra aleatória de uma variável Y com distribuição t de Student com p graus de liberdade. 1 a) Planeia-se usar Y = Yi como estimador do parâmetro p. Que pensa disso? n b) Sugira um método alternativo para estimação de p. Justifique-o.
23
24 Soluções: Date: 1/0/04 Time: 17:15 Sample: 1 3 Included observations: 3 C X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Date: 1/0/04 Time: 17:18 Sample: 1 8 Included observations: 8 C X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
FACULDADE DE ECONOMIA DO PORTO. Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (EC706)
FACULDADE DE ECONOMIA DO PORTO Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (EC706) Exame Final 10 de Janeiro de 2005 NOTAS PRÉVIAS: 1. A prova tem três horas de duração. 2. Apenas é permitida a
Leia maisFACULDADE DE ECONOMIA DO PORTO. Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (ECON703)
FACULDADE DE ECONOMIA DO PORTO Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (ECON703) Exame Final 9 de Janeiro de 2006 NOTAS PRÉVIAS: 1. A prova tem três horas de duração. 2. Apenas é permitida
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final Época Normal 9 de Junho de 2006 1. A primeira parte da prova tem duração de 75 minutos
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final 08 de Junho de 2005 1. A I Parte da prova tem duração de 90 minutos e é constituída
Leia maisSegundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
Leia maisGabarito Trabalho 2. Variable Coefficient Std. Error t-statistic Prob.
Gabarito Trabalho 2 1. Estimando o modelo Date: 06/10/10 Time: 04:00 Sample: 2003M01 2008M01 Included observations: 70 C -2.046423 5.356816-0.382022 0.7038 LN_IPC_BR 2.041714 1.150204 1.775089 0.0811 LN_IPC_AR
Leia maisNome: Turma: Processo
Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria Época de Recurso 01/02/2017 Duração: 2 horas Nome: Turma: Processo Espaço reservado para
Leia maisECONOMETRIA EXERCÍCIOS DO CAPÍTULO 2
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 2 1. Exercício 7C.8 de W (6th edition), apenas as alíneas i) a iv). 2. Exercício 7.7 de W. 3. Exercício 8C.7 de W, apenas a alínea i). 4. Exercício 17.1 de W. 5. Exercício
Leia maisLicenciaturas em Economia e em Finanças Econometria ER 26/06/2015 Duração 2 horas
Licenciaturas em Economia e em Finanças Econometria ER 26/06/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel é motivo suficiente para anulação da prova. As perguntas de escolha múltipla
Leia maisNome: Turma: Processo
Instituto Superior de Economia e Gestão Universidade de Lisboa Econometria Época Normal 02/06/2016 Duração: 2 horas Nome: Turma: Processo Espaço reservado para classificações A utilização do telemóvel
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final Época de Recurso 01 de Outubro de 2007 1. A I Parte da prova tem duração de 90 minutos
Leia maisECONOMETRIA I. I (12 valores)
Faculdade de Economia Universidade Nova de Lisboa ECONOMETRIA I Exame de 2ª Época 26 de Janeiro de 2005 Duração: 2 horas I (12 valores) ATENÇÃO: Para as 10 primeiras questões deste grupo existem 4 opções
Leia maisECONOMETRIA I. I (11 valores)
Faculdade de Economia Universidade Nova de Lisboa ECONOMETRIA I Exame de 1ª Época 14 de Janeiro de 2005 Duração: 2 horas I (11 valores) Com base numa amostra aleatória de 88 alunos que fizeram o exame
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia maisTabela 1 - Teste de Dickey-Fuller para série log-preço futuro. Teste ADF 0, ,61% Tabela 2 - Teste de Dickey-Fuller para série log-preço à vista
32 5. Resultados 5.1. Séries Log-preço Para verificar se as séries logaritmo neperiano dos preços (log-preço) à vista e futuro e as séries logaritmo neperiano dos retornos (log-retorno) à vista e futuro
Leia maisECONOMETRIA EXERCÍCIOS DO CAPÍTULO 2
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 2 1. Exercício C7.8 de W (4th edition), apenas as alíneas i) a iv). 2. Exercício 7.7 de W. 3. Exercício C8.7 de W, com excepção da questão sobre WLS em ii). 4. Exercício
Leia maisANÁLISE ECONOMÉTRICA DO CONSUMO DE CARNE BOVINA NA REGIÃO METROPOLITANA DE BELÉM UTILIZADO O SOFTWARE EVIEWS 3.0.
ANÁLISE ECONOMÉTRICA DO CONSUMO DE CARNE BOVINA NA REGIÃO METROPOLITANA DE BELÉM UTILIZADO O SOFTWARE EVIEWS 3.0. Arnold Estephane Castro de Souza Aron Weber da Silva Pinheiro Elizabeth Cristina Silva
Leia maisLIMITES POLÍTICOS À INFLAÇÃO
jan/08 fev/08 mar/08 abr/08 mai/08 jun/08 jul/08 ago/08 set/08 out/08 nov/08 dez/08 jan/09 fev/09 mar/09 abr/09 mai/09 jun/09 jul/09 ago/09 set/09 out/09 nov/09 dez/09 jan/10 fev/10 mar/10 abr/10 mai/10
Leia maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 9/01/2013 Duração 2 horas
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 9/01/2013 Duração 2 horas NOME: Turma: Processo Espaço Reservado para Classificações A utilização do telemóvel
Leia maisNome: Número: Espaço reservado para classificações
Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria - Época Normal - 07/01/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel
Leia maisSÉRIE CADERNOS ECONÔMICOS
1 UNIVERSIDADE FEDERAL DE PELOTAS DEPARTAMENTO DE ECONOMIA CURSO DE CIÊNCIAS ECONÔMICAS SÉRIE CADERNOS ECONÔMICOS GUIA RÁPIDO PARA O EVIEWS Texto didático n.1 Autores: André Carraro Gabrielito Menezes
Leia maisÉLIA YATHIE MATSUMOTO (180720)
Trabalho apresentado como parte da avaliação da disciplina Econometria das Séries de Tempo, ministrada pelo Prof. Paulo Picchetti no 3 trimestre de 2007 para o curso MPFE-FGV. Uma abordagem econométrica
Leia maisObservações sobre a política monetaria atual*
Observações sobre a política monetaria atual* Sérgio Ribeiro da Costa Werlang *Com a colaboração de Pedro Calmanowitz Carvalho jun/02 nov/02 abr/03 set/03 fev/04 jul/04 dez/04 mai/05 out/05 mar/06 ago/06
Leia maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época de Recurso 2/Julho/2013 Duração 2 horas NOME: Processo Espaço Reservado para Classificações A utilização do telemóvel
Leia maisAnálise de convergência de renda entre os municípios do Maranhão. Carlos Fernando Quartaroli
Análise de convergência de renda entre os municípios do Maranhão Carlos Fernando Quartaroli Convergência absoluta Se for encontrado um coeficiente beta menor do que zero, estatisticamente significativo,
Leia maisUNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA. Maio 2018 Aula 7
1 UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA Maio 2018 Aula 7 Armando Manuel 09/29/2017 10. ECONOMETRIA DAS SERIES TEMPORAIS a) Processos Estocásticos b) A Cointegração c) A Previsão 1. Modelo Box
Leia mais7 Análise dos Dados e Cálculos
71 7 Análise dos Dados e Cálculos 7.1 Validade dos Processos Estocásticos 7.1.1 Teste de Dickey-Fuller De início, para verificar a rejeição de hipótese de que as séries seguem um MGB foi realizado um teste
Leia maisFaculdade de Economia da Universidade Agostinho Neto. Econometria. Paradigma de Trabalho Prático. Resolução. especimen. Grupo I
Faculdade de Economia da Universidade Agostinho Neto Econometria Paradigma de Trabalho Prático Questão 1 Resultados essenciais da Regressão Aonde: Resolução Grupo I IPTTMI ' % = 9.946MTJH30A % 10.395TJCHI
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO MÉTODOS DE PREVISÃO DAS EXPORTAÇÕES BRASILEIRAS Rony Najman No. de matrícula 9814655 Orientador:
Leia maisExercícios de Econometria ISEG Universidade de Lisboa
ISEG Universidade de Lisboa Artur Silva Lopes 1 Capítulo 1 Variáveis Explicativas Binárias ( Dummy ) Exercícios prioritários: 1, 5, 7, 9, 10, 12 e 14. 1. Exercício 7.1 do livro de Wooldridge, 6 a edição
Leia maisO Câmbio e as Exportações de Manufaturas: um túnel no fim da luz. Francisco Eduardo Pires de Souza Seminário IE/UFRJ em 01/09/09
O Câmbio e as Exportações de Manufaturas: um túnel no fim da luz Francisco Eduardo Pires de Souza Seminário IE/UFRJ em 01/09/09 A industrialização da pauta de Exportações Exportações de manufaturados sobe
Leia maisExplanatory factors of GDP growth Portuguese
MPRA Munich Personal RePEc Archive Explanatory factors of GDP growth Portuguese Vítor Pereira Lisbon Institute of Accounting and Administration 2009 Online at http://mpra.ub.uni-muenchen.de/14531/ MPRA
Leia maisO IBOVESPA E O CÂMBIO NOS DEZ ANOS DE TAXA
O IBOVESPA E O CÂMBIO NOS DEZ ANOS DE TAXA FLUTUANTE JOSÉ WELISSON ROSSI* O objetivo principal deste estudo é comparar o comportamento das séries dos ativos taxa de câmbio e valor das ações das empresas
Leia mais6 Benefícios da Certificação de Produtos: Avaliação de Impacto Econômico
Benefícios da Certificação de Produtos: Avaliação de Impacto Econômico 85 6 Benefícios da Certificação de Produtos: Avaliação de Impacto Econômico Os impactos econômicos decorrentes do processo da certificação
Leia maisCASUALIDADE E ELASTICIDADE DE TRANSMISSÃO DO TOMATE NO ESTADO DO CEARÁ 1995 A Palavras-chave: Casualidade, Elasticidade de Transmissão, Tomate.
CASUALIDADE E ELASTICIDADE DE TRANSMISSÃO DO TOMATE NO ESTADO DO CEARÁ 1995 A 2002 Francisco José Silva Tabosa Denise Michele Furtado da Silva Clóvis Luis Madalozzo Robério Telmo Campos Resumo: O tomate
Leia maisEconometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
Leia maisGabriela Septímio - UEPA. Marco Antonio Pinheiro - UEPA. Renata Barra UEPA. Heriberto Wagner Amanajás Pena UEPA. Resumo
MODELO ECONÔMÉTRICO DA QUANTIDADE DEMANDADA DE CAFÉ EM RELAÇÃO AOS PREÇOS DE OUTROS ALIMENTOS DA CESTA BÁSICA NA REGIÃO METROPOLITANA DE BELÉM- PA-BRASIL-AMAZÔNIA Gabriela Septímio - UEPA Marco Antonio
Leia maisTEXTO PARA DISCUSSÃO. No Medium run effects of short run inflation surprises: monetary policy credibility and inflation risk premium
TEXTO PARA DISCUSSÃO No. 58 Medium run effects of short run inflation surprises: monetary policy credibility and inflation risk premium Alexandre Lowenkron Márcio Garcia DEPARTAMENTO DE ECONOMIA www.econ.puc-rio.br
Leia maisResumo. Palavras chave: arroz, eviews 3.0, preço. Abstract
ESTUDO ECONÔMICO DA QUANTIDADE CONSUMIDA DE ARROZ ESTABELECENDO RELAÇÃO COM OS PREÇOS DE OUTROS ALIMENTOS DA CESTA BÁSICA NA REGIÃO METROPOLITANA DE BELÉM-PA-BRASIL Aline Neves Alencar Flávia Nascimento
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisEMPRESA EM ANÁLISE: JERÓNIMO MARTINS.
EMPRESA EM ANÁLISE: JERÓNIMO MARTINS. Na presente Newsletter Investidor de Longo Prazo decidimos analisar uma empresa que muito tem penalizado os investidores que nela têm depositado as suas poupanças
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO UMA ANÁLISE EMPÍRICA DO PASS-THROUGH DA TAXA DE CÂMBIO PARA OS PREÇOS INDUSTRIAIS E AO CONSUMIDOR
Leia mais'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Leia maisEstatística II Licenciatura em Gestão. Parte I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 ER - 03/02/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para
Leia maisMONOGRAFIA DE FINAL DE CURSO
1 PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO MERCOSUL: RELAÇÕES COMERCIAIS ENTRE BRASIL, ARGENTINA E O RESTO DO MUNDO. Igor Edelstein de Oliveira
Leia maisECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6 1. Exercício C18.13 i) a iv) de W. 2. Exercício C18.2 de W. 3. (Exercício 9 do exame de ER de 25/6/2010.) Com dados anuais de 1952 a 2009, pretendese analisar as propriedades
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FINAL DE CURSO MODELOS DE PREVISÃO: UM ESTUDO PARA O MERCADO BRASILEIRO DE REFRIGERANTES Pedro Rocha Lima Massa
Leia maisANDRADE, M. M. Introdução a Metodologia do Trabalho Científico. 7 ed. São Paulo: Atlas, 2005.
6 Bibliografia ALBUQUERQUE, A. P.; MORAES, M. C. Modelagem Econométrica para a Previsão do Preço Futuro do Cacau: Abordagem ARIMA. Revista Ciência Administração, v.13, n.2, p.193 207, Nov, Fortaleza, 2007.
Leia maisEstimação de Modelos ARMA e ARIMA
Estimação de Modelos ARMA e ARIMA Estagiária Docente: Vívian dos Santos Queiroz Disciplina: Econometria Aplicada Professor: Sabino da Silva Porto Júnior Apresentação Inserindo Dados de Séries Temporais
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisANÁLISE ECONOMÉTRICA DA DEMANDA DE CARNE DE FRANGO A PARTIR DO EVIEWS 3.0
ANÁLISE ECONOMÉTRICA DA DEMANDA DE CARNE DE FRANGO A PARTIR DO EVIEWS 3.0 Azael de Souza Ribeiro Daniel Meireles de Amorim Flávio Sabathé Vera Niels Kim da Silva Tahara Heriberto Wagner Amanajás Pena UEPA
Leia maisFICHA DE COMPONENTE CURRICULAR
UNIVERSIDADE FEDERAL DE UBERLÂNDIA PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO FICHA DE COMPONENTE CURRICULAR CÓDIGO: FAGEN41037 COMPONENTE CURRICULAR: Tópicos Especiais IV em Gestão Organizacional e Regionalidade
Leia maisAULA 17 - Variáveis binárias
AULA 17 - Variáveis binárias Susan Schommer Econometria I - IE/UFRJ Variáveis binárias A variável binária (ou dummy) é um simples exemplo de variável aleatória, o qual é chamada de função indicadora de
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisUniversidade Federal de Pernambuco. Centro de Ciências Sociais Aplicadas. Departamento de Economia. Programa de Pós-Graduação em Economia Pimes
0 Universidade Federal de Pernambuco Centro de Ciências Sociais Aplicadas Departamento de Economia Programa de Pós-Graduação em Economia Pimes Mestrado Profissional em Economia Área de Comércio Exterior
Leia maisNoções sobre Regressão
Noções sobre Regressão Nos interessa estudar como uma variável varia em função de outra. Por exemplo, considere a questão de demanda e preço de bens. Quando se estuda a variação de uma variável Y em função
Leia maisRegressão linear múltipla. Regressão linear múltipla
Regressão linear múltipla 35 R 2 = 61% Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo
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 maisEstimativas do custo por turma do ensino básico (2º e 3º ciclos) e secundário
GRUPO DE TRABALHO PARA O APURAMENTO DO CUSTO REAL DOS ALUNOS DO ENSINO PÚBLICO POR ANO DE ESCOLARIDADE Estimativas do custo por turma do ensino básico (2º e 3º ciclos) e secundário Adenda ao Relatório
Leia maisCONHECIMENTOS ESPECÍFICOS
De acordo com o comando a que cada um dos itens de 51 a 120 se refira, marque, na folha de respostas, para cada item: o campo designado com o código C, caso julgue o item CERTO; ou o campo designado com
Leia maisUniversidade Católica Portuguesa Faculdade de Ciências Económicas e Empresariais. ESTATÍSTICA MULTIVARIADA 2º. Semestre 2006/07
Universidade Católica Portuguesa Faculdade de Ciências Económicas e Empresariais ESTATÍSTICA MULTIVARIADA 2º. Semestre 2006/07 28.Maio.2007 José Filipe Rafael I Um colega seu está a tentar explicar o salário
Leia maisEstatística II Licenciatura em Gestão TESTE I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para a
Leia maisInstituto Superior de Economia e Gestão Universidade de Lisboa Econometria Época Normal 08/06/2017 Duração 2 horas
1 NOME: Instituto Superior de Economia e Gestão Universidade de Lisboa Econometria Época Normal 08/06/2017 Duração 2 horas Espaço Reservado para Classificações A utilização de qualquer meio de telecomunicação
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisPreços da habitação em Portugal uma análise pós crise. Seminar Seminar name
Preços da habitação em Portugal uma análise pós crise Seminar Seminar name Rita Lourenço e Paulo M. M. Rodrigues Apresentação no INE, 13 de março 2018 Esquema da apresentação Os preços da habitação desde
Leia maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
Leia maisIntrodução Regressão linear Regressão de dados independentes Regressão não linear. Regressão. Susana Barbosa
Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Regressão linear x : variável explanatória y : variável resposta Gráfico primeiro! Gráfico primeiro! Gráfico primeiro! Modelo linear x
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisAULAS 17 E 18 Análise de regressão múltipla: estimação
1 AULAS 17 E 18 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 22 e 24 de outubro de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisEstimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios. Wooldridge, Cápítulo 15
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios Wooldridge, Cápítulo 5 Variáveis Instrumentais () 2 Variáveis Instrumentais Considere o seguinte modelo de regressão linear múltipla
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia maisÍNDICE DE INTENÇÃO DE CONSUMO DAS FAMÍLIAS (ICF): UMA ESTIMAÇÃO POR MEIO DO MODELO ARIMA
Área: Teoria Aplicada ÍNDICE DE INTENÇÃO DE CONSUMO DAS FAMÍLIAS (ICF): UMA ESTIMAÇÃO POR MEIO DO MODELO ARIMA José Eduardo de Melo Barros Mestrando no Programa de Pós-Graduação em Administração e Desenvolvimento
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 maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Lcencatura em Economa E C O N O M E T R I A II (LEC310) Avalação dstrbuída - Teste global 25 de Junho de 2007 NOTAS PRÉVIAS: 1. A prova tem duração de 2 horas. 2. Apenas
Leia maisMUITO ALÉM DA ECONOMETRIA - UMA APLICAÇÃO DOS MODELOS ECONOMÉTRICOS NA CONSTRUÇÃO DE CENÁRIOS ECONÔMICOS
DEPEC - DEP. DE PESQUISAS E ESTUDOS ECONÔMICOS MUITO ALÉM DA ECONOMETRIA - UMA APLICAÇÃO DOS MODELOS ECONOMÉTRICOS NA CONSTRUÇÃO DE CENÁRIOS ECONÔMICOS APRESENTAÇÃO CORECON-SP SÃO PAULO, 10 DE MAIO DE
Leia maisCorrelação Serial e Heterocedasticidade em Regressões de Séries Temporais. Wooldridge, Cap. 12
Correlação Serial e Heterocedasticidade em Regressões de Séries Temporais Wooldridge, Cap. 1 Porto Alegre, 11 de novembro de 010 1 CORRELAÇÃO SERIAL Ocorrência Conseqüência Análise gráfica Autocorrelação
Leia maisREGRESSÃO MÚLTIPLA. constantes predeterminadas, sem erro;
REGRESSÃO MÚLTIPLA Um método utilizado para determinar qual a relação entre a variável que se pretende explicar e as variáveis que se pretendem ser explicativas. Descreve uma relação entre um conjunto
Leia maisParticipação relativa da dívida pública interna na riqueza financeira dos agentes privados: um estudo exploratório 1
Participação relativa da dívida pública interna na riqueza financeira dos agentes privados: um estudo exploratório 1 Marcel Guedes Leite 2 Paulo Roberto Arvate 3 Abstract : O objetivo deste artigo é verificar
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 maisBIOESTATÍSTICA. Análise de regressão
BIOESTATÍSTICA Análise de regressão Análise de correlação Existe uma associação estatística entre duas variáveis? As duas variáveis são independentes ( ou seja, qual o grau da variação das duas juntas)?
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisAULAS 21 E 22 Análise de Regressão Múltipla: Estimação
1 AULAS 21 E 22 Análise de Regressão Múltipla: Estimação Ernesto F. L. Amaral 28 de outubro e 04 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisPARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisAssociação entre duas variáveis
Associação entre duas variáveis Questões de interesse: Será que duas variáveis são independentes ou pelo contrário dependentes? E se forem dependentes, qual o tipo e grau de dependência? Existem diversas
Leia maisTeste de Homocedasticidade.
Teste de Homocedasticidade. Aula 4 Gujarati, 000, Capítulo Heij et al., Seção 5.4 Wooldridge, 0 Capítulo 8 (seções 8. a 8.4) HETEROCEDASTICIDADE Essa aula objetiva responder às seguintes perguntas: Qual
Leia maisISCTE IUL Instituto Universitário de Lisboa. Licenciatura em Gestão Estatística I 1º Teste. 26 Outubro de 2013 Duração: 1h 30m
ISCTE IUL Instituto Universitário de Lisboa Licenciatura em Gestão Estatística I 1º Teste Duração: 1h 30m Nota: Não são prestados esclarecimentos durante a prova! Só é permitida a consulta do formulário
Leia maisDETERMINANTES DA INFLAÇÃO EM ANGOLA
DETERMINANTES DA INFLAÇÃO EM ANGOLA Luanda, 2012 Os Trabalhos para Discussão (Working Papers) são trabalhos em evolução, cuja publicação visa incentivar o debate e o aprofundamento dos temas tratados.
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisAnálise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
Leia mais6 Tratamento e análise dos dados
Tratamento e análise dos dados 58 6 Tratamento e análise dos dados Este capítulo apresenta as séries temporais das variáveis previdenciárias e dos indicadores apresentados na revisão de literatura. Relata
Leia mais