UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL. ERU ECONOMETRIA I Segundo Semestre/2010
|
|
- Thomas Alvarenga Monsanto
- 7 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL ERU 66 - ECONOMETRIA I Segundo Semestre/010 AULA PRÁTICA N o 3- Dados em Panel Ana Carolna Campana Nascmento Fernanda Mara de Almeda 1. DADOS EM PAINEL Dados em panel consstem na combnação de sére temporal e seção cruzada, sto é, têm-se dados de váras undades meddas ao longo do tempo. Consderando um conjunto de dados com modelo geral será: Y = 1,,, N undades e t = 1,,, T períodos de tempo, o = α + X β + ε (1) em que α representa os efeos específcos, ou característcas, das undades que não varam ao longo do tempo e ε o termo de erro. Este modelo gera dos modelos típcos que são estmados de acordo com as pressuposções que fazemos a respeo da possível correlação entre o termo de erro e as varáves explcatvas a) Modelo de Efeos Fxos: Y X : modelo de efeos fxos e modelo de efeos aleatóros. = α + βx + ε () A prncpal característca deste modelo é tratar os α ' s como varáves aleatóras não observadas e correlaconadas com algum b) Modelo de Efeos Aleatóros: X. Y = α + βx + u (3) O estmador de efeos aleatóros consdera o erro combnado, sto é, u = v + ε e pressupõe que v é d com varânca σ v e que ε é d com varânca σ ε. Pode-se mostrar que V e que ( u ) = σ v + σ ε Cov ( u, u s ) σ v =, t s. Logo, σ ρu = Cor ( u, us) =, para todo t s. Assm, o modelo de EA tem como σ + v v σ ε
2 pressuposção correlação seral no erro (correlação gual em todos lags). O estmador de efeos aleatóros é um estmador de MQG que consdera a correlação entre os erros de cada undade. Exemplo: Consdere os dados do trabalho de Y. Grunfeld, cujo objetvo era verfcar como o nvestmento real bruto (Y) depende do valor real da empresa (x) e do estoque real do capal (x3). Os dados são do período de 1935 a 1954 e correspondem a nformações de quatro empresas (GE, US, GM e WEST), ou seja, tem-se 4 undades de corte transversal e 0 períodos. Este exemplo está na págna 514 do Gujarat. Tabela 1 Investmento de quatro empresas, (p.515, Gujarat) ano d empresa y x x3 ano d empresa y x x GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GE US GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST GM WEST
3 PASSOS PARA ESTIMAÇÃO NO STATA: 1º) Organzação dos dados No Excel, os dados devem segur a estrutura da Tabela 1, sto é, ordena-se os dados de acordo com a sére temporal para cada undade de seção cruzada. Note que as undades de seção cruzada (empresas) são enumeradas, uma vez que o Stata não reconhece textos (nome das undades). º) Declaração dos dados no programa Após a organzação dos dados e nserção dos mesmos no programa, deve-se declarar no programa a varável referente à sére de tempo e a referente às undades. No caso do exemplo em questão, a varável tempo é ano e a varável undade é d. Para sso, temos três opções: ) Barra de ferramentas:
4 ) Comando 1: xtset d ano, yearly O termo yearly é pra ndcar que a sére é anual. ) Comando :. ts ano. s d 3º) Modelo pool. xtset d ano, yearly panel varable: d (strongly balanced) tme varable: ano, 1935 to 1954 delta: 1 year Nesse modelo, todos os coefcentes são constantes ao longo do tempo e entre ndvíduos e a forma de estmação é o habual MQO.. reg y x x3 Source SS df MS Number of obs = 80 F(, 77) = Model Prob > F = Resdual R-squared = Adj R-squared = Total Root MSE = x x _cons º) Modelo de regressão de efeos fxos ou de varáves bnáras de mínmos quadrados ) Caso em que coefcentes angulares são constantes, mas o ntercepto vara entre as undades, sto é: Y = β 1 + β X + β3x 3 + ε (4) No Stata, o passo ncal é a cração de dummes para cada uma das undades:. tabulate d, gen (d) d Freq. Percent Cum Total Note que com o comando tabulate foram cradas quatro novas varáves, uma dummy para cada empresa: d1, d, d3 e d4.
5 Agora é só rodar o modelo:. reg y x x3 d d3 d4 Source SS df MS Number of obs = 80 F( 5, 74) = Model Prob > F = Resdual R-squared = Adj R-squared = Total Root MSE = x x d d d _cons Obs: a varável d1 fo dexada como referênca (evar problema da multcolneardade perfea). Caso sejam utlzadas as 4 dummes, o Stata dropará uma automatcamente. ) Caso em que coefcentes angulares são constantes, mas o ntercepto vara ao longo do tempo (uma dummy para cada ano), sto é: Y 0 = + β X + β3x 3 + t= 1 β 1 α ano + ε (5) t t. tabulate ano, gen (ano) ano Freq. Percent Cum Total reg y x x3 ano1-ano19 Source SS df MS Number of obs = 80 F( 1, 58) = 9.7 Model Prob > F = Resdual R-squared = Adj R-squared = Total Root MSE = x x ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano _cons
6 ) Caso em que coefcentes angulares são constantes, mas o ntercepto vara com os ndvíduos e com o tempo (uma dummy para cada empresa e para cada ano).. reg y x x3 d-d4 ano1-ano19 Source SS df MS Number of obs = 80 F( 4, 55) = 4.58 Model Prob > F = Resdual R-squared = Adj R-squared = Total Root MSE = x x d d d ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano ano _cons Outras opções de modelos sera consderar que todos os coefcentes varam entre os ndvíduos, sto é, utlzar dummes de nclnação. Todava, deve-se ter cautela quanto ao uso de dummes, uma vez que um grande número delas reduz os graus de lberdade, além de aumentar a possbldade de multcolneardade. Quanto à escolha entre o modelo da equação pool e cada uma das especfcações apresentadas anterormente, utlza-se o teste F restro. 5º) Modelo de efeos fxos. xtreg y x x3, fe Fxed-effects (whn) regresson Number of obs = 80 Group var able: d Number of groups = 4 R-sq: whn = Obs per group: mn = 0 between = avg = 0.0 overall = max = 0 F(,74) = corr(u_, Xb) = Prob > F = x x _cons sgma_u sgma_e rho (fracton of varance due to u_) F test that all u_=0: F(3, 74) = Prob > F = Os dferentes valores de R ndcam como o modelo se ajusta dentro das undades ( R ), entre undades ( R ) e no geral ( R ). O termo sgma _ u é o whn between overall
7 erro padrão de α e sgma _ e é o erro padrão de ε ( sgma _ e ). A expressão rho é σα uma estmatva da relação Corr ( ε ε s ) =, ou seja, a razão da varânca de α σ + σ α para a varânca do erro composto. O teste F na últma lnha é o teste utlzado para verfcar se o modelo pool é mas adequado que o modelo de efeos fxos (Ho: modelo pool é preferível ao modelo de efeos fxos). Efeos fxos para undades: ε. predct fe_d, u. lst fe_d fe_d Efeos fxos para tempo: Para que o Stata reconheça que ele deve calcular o efeo fxo na varável de tempo, deve-se setar: s para a varável de tempo e ts para a varável cross-secton. Ou seja:
8 . ts d. s ano. qu xtreg y x x3, fe. predct ano_fe, u. lst ano_fe ano_fe º) Modelo de efeos aleatóros. ts ano. s d. xtreg y x x3, re Random-effects GLS regresson Number of obs = 80 Group var able: d Number of groups = 4 R-sq: whn = Obs per group: mn = 0 between = avg = 0.0 overall = max = 0 Random effects u_ ~ Gaussan Wald ch() = corr(u_, X) = 0 (assumed) Prob > ch = y Coef. Std. Err. z P> z [95% Conf. Interval] x x _cons sgma_u sgma_e rho (fracton of varance due to u_)
9 7º) Escolha entre pool, efeos fxos e efeos aleatóros Para realzar a escolha entre os modelos, utlza-se os seguntes testes: TESTE DE CHOW MODELO POOL MODELO DE EFEITOS FIXOS TESTE LM DE BREUSH-PAGAN TESTE DE HAUSMAN MODELO DE EFEITOS ALEATÓRIOS ) Teste de Chow H0: modelo restro (pooled) H1: modelo rrestro (efeos fxos) A estatístca do teste F da lnha nferor da estmatva de efeos fxos, bem como seu respectvo p-valor ndca que o modelo de efeos fxos é melhor que o pool.. xtreg y x x3, fe Fxed-effects (whn) regresson Number of obs = 80 Group var able: d Number of groups = 4 R-sq: whn = Obs per group: mn = 0 between = avg = 0.0 overall = max = 0 F(,74) = corr(u_, Xb) = Prob > F = x x _cons sgma_u sgma_e rho (fracton of varance due to u_) F test that all u_=0: F(3, 74) = Prob > F = ) Teste de Hausman H0: modelo de efeos aleatóros H1: modelo de efeos fxos. qu xtreg y x x3, fe. estmates store fe. qu xtreg y x x3, re. estmates store re. hausman fe re Coeffcents (b) (B) (b-b) sqrt(dag(v_b-v_b)) fe re Dfference S.E. x x b = consstent under Ho and Ha; obtaned from xtreg B = nconsstent under Ha, effcent under Ho; obtaned from xtreg Test: Ho: dfference n coeffcents not systematc ch() = (b-b)'[(v_b-v_b)^(-1)](b-b) = 0.07 Prob>ch = Pela estatístca do teste de hausman, tem-se que o modelo de efeos aleatóros é melhor que o de efeos fxos.
10 ) Teste LM de Breusch-Pagan H0: modelo pooled H1: modelo de efeos aleatóros. qu xtreg y x x3, re. xttest0 Breusch and Pagan Lagrangan multpler test for random effects y[d,t] = Xb + u[d] + e[d,t] Estmated results: Var sd = sqrt(var) y e u Test: Var(u) = 0 ch(1) = Prob > ch = O resultado do teste ndca que efeos aleatóros são preferíves ao modelo pool. 8º) Detecção de autocorrelação e heterocedastcdade em panel ) autocorrelação (teste de Wooldrdge) Instalação: fnd xtseral, clcar em st0039 e depos clck here to nstall. xtseral y x x3, output Lnear reg resson Number of obs = 76 F(, 3) = Prob > F = R-squared = Root MSE = (Std. Err. adjusted for 4 clusters n d) Robust D. x D x3 D Wooldrdge test for autocorrelaton n panel data H0: no frst-order autocorrelaton F( 1, 3) = Prob > F = Rejea-se a hpótese nula de ausênca de autocorrelação. ) Teste de Wald para heterocedastcdade em grupo (efeos fxos) Instalação: fnd xttest3, clcar em st0004 e depos clck here to nstall. qu xtreg y x x3, fe. xttest3 Modfed Wald test for groupwse heteroskedastcy n fxed effect regresson model H0: sgma()^ = sgma^ for all ch (4) = Prob>ch = Rejea-se a hpótese nula de ausênca de heterocedastcdade. A correção desses problemas pode ser fea por estmações consderando erros padrão robustos ou por bootstrap.
Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisEconometria II. Painel (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel)
Eco montora Leandro Anazawa Econometra II Este não é um resumo extensvo. O ntuto deste resumo é de servr como gua para os seus estudos. Procure desenvolver as contas e passos apresentados em sala de aula.
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisIntrodução Experimentos Aleatórios Propensity Score Matching Variável Instrumental Diferença-em-Diferença Regressões com Designe Descontínuo
Avalação de Programas: Aplcações com o Software Stata Leandro Costa Vtor Mro Fortaleza, Janero de 2011 Sumáro Introdução Expermentos Aleatóros Propensty Score Matchng Varável Instrumental Dferença-em-Dferença
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
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 maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear
ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisF = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Nem sempre se quer testar os coefcentes ndvduas da regressão. Pode ser necessáro e é convenente testar o modelo como um todo, sto é testar
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisAnálise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres
Análse de Varânca Rejane Sobrno Pnhero Tana Gullén de Torres Análse de Varânca Introdução Modelos de análse de varânca consttuem uma classe de modelos que relaconam uma varável resposta contínua com varáves
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisEleições Legislativas, Comportamento Parlamentar e Modelos de Efeitos Fixos
1 Eleições Legislativas, Comportamento Parlamentar e Modelos de Efeitos Fixos Ernesto F. L. Amaral Magna M. Inácio 14 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho
Leia maisCustos com medicamentos em países da OCDE. Pedro Pita Barros
Custos com medicamentos em países da OCDE Pedro Pita Barros Tema muito vasto Escolhi fazer uma digressão pelo que nos dizem os números das despesas com medicamentos nos países da OCDE Fonte: OECD Health
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
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 maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos
Tópcos em Econometra I Ala /7/23 Modelo Tobt para solção de canto Eemplos Solções de canto. Qantdade de dnhero doado para cardade: mtas pessoas não fazem este tpo de doação. Uma parcela epressva dos dados
Leia maisRegressão Linear Simples. Frases. Roteiro
Regressão Lnear Smples Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 4 Rotero. Modelagem de Relação. Modelo Lnear
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisO que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.
Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisUNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA
UNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA JEFFERSON PINTO BARBOSA JUNIOR ECONOMETRIA: MULTICOLINEARIDADE E HETEROCEDASTICIDADE
Leia maisTabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.
Regressão Lnear Algumas vezes estamos nteressados não apenas se exste assocação entre duas varáves quanttatvas x e y, mas nós temos também uma hpótese a respeto de uma provável relação de causa e efeto
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 30 de abril e 02 de maio de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisECONOMETRIA I. Resoluções dos Exercícios Práticos - Stata. Joaquim J.S. Ramalho
ECONOMETRIA I Resoluções dos Exercícios Práticos - Stata Joaquim J.S. Ramalho Stata Inserção de comandos Selecção de comandos no menu Útil quando não se conhece o nome do comando Introdução manual de comandos
Leia maisINVESTIMENTO EM EMPRESAS BRASILEIRAS DE CAPITAL ABERTO: UM ESTUDO QUANTITATIVO DAS OPORTUNIDADES DE INVESTIMENTO PÓS- PLANO REAL
INVESTIMENTO EM EMPRESAS BRASILEIRAS DE CAPITAL ABERTO: UM ESTUDO QUANTITATIVO DAS OPORTUNIDADES DE INVESTIMENTO PÓS- ANO REAL Igor Vasconcelos Noguera Mestre Dscente CEPEAD/UFMG Rua Dona Lbâna, 15. Ap.
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisTRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit
Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 9 Modelos de Escolha Dscreta Modelo Logt Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl Transportes
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 mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisM l u t l i t c i oli l n i e n arid i a d de
Multicolinearidade 1 Multicolinearidade Quando existem relação linear exata entre as variáveis independentes será impossível calcular os estimadores de MQO. O procedimento MQO utilizado para estimação
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisAULA 03 Análise de regressão múltipla: estimação
1 AULA 03 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 17 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Cohen, Ernesto, e Rolando Franco.
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia maisRegressão Linear Múltipla. Frases. Roteiro
Regressão Lnear Múltpla Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 004 Rotero 1. Especfcação do Modelo. Modelo
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisO comportamento dos índices de ações em países emergentes: uma análise com dados em painel e modelos hierárquicos
O comportamento dos índces de ações em países emergentes: uma análse com dados em panel e modelos herárqucos Luz Paulo Lopes Fávero 1 José Elas Feres de Almeda 2 Resumo Estudos que nvestgam a nfluênca
Leia maisCOLÓQUIO DE MATEMÁTICA
COLÓQUIO DE MATEMÁTICA Orientações para a escolha de Software Econométrico STATA ISABEL PROENÇA Plano da Apresentação Breve introdução ao STATA Exemplo 1: Regressão linear com VIs Exemplo 2: Modelação
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisa média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
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 maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2011 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 0 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ρ ε t- + υ t, onde υ t é ruído
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisMAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 317 Planeamento e Pesqusa I Profa. Júla Mara Pavan Soler pavan@me.usp.br IME/USP 1º Semestre/019 Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisRegressão Linear e Multilinear
Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem
Leia maisUNIDADE VIII ENSAIOS FATORIAIS
UNIDADE VIII ENSAIOS FATORIAIS CUIABÁ, MT 015/ PROF.: RÔMULO MÔRA 1. INTRODUÇÃO Ensaos fatoras são aqueles em que se estudam smultaneamente dos ou mas fatores, cada um deles com dos ou mas níves. O fatoral
Leia mais