O efeito interacção em modelos de equações estruturais
|
|
- Victoria Franco Beretta
- 7 Há anos
- Visualizações:
Transcrição
1 O efeito interacção em modelos de equações estruturais Maria de Fátima Salgueiro - ISCTE Business School, Lisboa fatima.salgueiro@iscte.pt XIV Congresso Anual da SPE - Covilhã 2006 XIV CONGRESSO DA SPE p. 1/20
2 Estrutura da Apresentação Motivação para o presente estudo; XIV CONGRESSO DA SPE p. 2/20
3 Estrutura da Apresentação Motivação para o presente estudo; Objectivo da apresentação; XIV CONGRESSO DA SPE p. 2/20
4 Estrutura da Apresentação Motivação para o presente estudo; Objectivo da apresentação; Principais abordagens propostas na literatura para estudar o efeito de interacção em modelos de equações estruturais (SEM); XIV CONGRESSO DA SPE p. 2/20
5 Estrutura da Apresentação Motivação para o presente estudo; Objectivo da apresentação; Principais abordagens propostas na literatura para estudar o efeito de interacção em modelos de equações estruturais (SEM); Exemplo de aplicação de duas abordagens; XIV CONGRESSO DA SPE p. 2/20
6 Estrutura da Apresentação Motivação para o presente estudo; Objectivo da apresentação; Principais abordagens propostas na literatura para estudar o efeito de interacção em modelos de equações estruturais (SEM); Exemplo de aplicação de duas abordagens; Breve discussão. XIV CONGRESSO DA SPE p. 2/20
7 Motivação para o presente estudo O efeito interacção entre 2 variáveis, e possível efeito moderador..., é por ex. muito utilizado na Psicologia e no Marketing; XIV CONGRESSO DA SPE p. 3/20
8 Motivação para o presente estudo O efeito interacção entre 2 variáveis, e possível efeito moderador..., é por ex. muito utilizado na Psicologia e no Marketing; a interacção entre 2 variáveis quantitativas X 1 e X 2 é usualmente estimada com MRLM: XIV CONGRESSO DA SPE p. 3/20
9 Motivação para o presente estudo O efeito interacção entre 2 variáveis, e possível efeito moderador..., é por ex. muito utilizado na Psicologia e no Marketing; a interacção entre 2 variáveis quantitativas X 1 e X 2 é usualmente estimada com MRLM: Y = α + β 1 X 1 + β 2 X 2 + β 3 X 1 X 2 + e XIV CONGRESSO DA SPE p. 3/20
10 Motivação para o presente estudo O efeito interacção entre 2 variáveis, e possível efeito moderador..., é por ex. muito utilizado na Psicologia e no Marketing; a interacção entre 2 variáveis quantitativas X 1 e X 2 é usualmente estimada com MRLM: Y = α + β 1 X 1 + β 2 X 2 + β 3 X 1 X 2 + e E se as variáveis estiverem sujeitas a erro de medida, i.e., forem latentes? O MRLM deixa de ser apropriado... XIV CONGRESSO DA SPE p. 3/20
11 Motivação para o estudo (cont.) É então recomendado um SEM que estime simultâneamente os parâmetros do modelo de medida e do (de regressão) estrutural; XIV CONGRESSO DA SPE p. 4/20
12 Motivação para o estudo (cont.) É então recomendado um SEM que estime simultâneamente os parâmetros do modelo de medida e do (de regressão) estrutural; Nos últimos anos tem sido crescente o interesse em generalizar os SEM a modelos com relações não lineares, em particular modelos com efeitos interacção; XIV CONGRESSO DA SPE p. 4/20
13 Motivação para o estudo (cont.) É então recomendado um SEM que estime simultâneamente os parâmetros do modelo de medida e do (de regressão) estrutural; Nos últimos anos tem sido crescente o interesse em generalizar os SEM a modelos com relações não lineares, em particular modelos com efeitos interacção; A interacção entre ξ 1 e ξ 2 será dada por XIV CONGRESSO DA SPE p. 4/20
14 Motivação para o estudo (cont.) É então recomendado um SEM que estime simultâneamente os parâmetros do modelo de medida e do (de regressão) estrutural; Nos últimos anos tem sido crescente o interesse em generalizar os SEM a modelos com relações não lineares, em particular modelos com efeitos interacção; A interacção entre ξ 1 e ξ 2 será dada por η = α + γ 1 ξ 1 + γ 2 ξ 2 + γ 3 ξ 1 ξ 2 + ζ XIV CONGRESSO DA SPE p. 4/20
15 Motivação para o estudo (cont.) É então recomendado um SEM que estime simultâneamente os parâmetros do modelo de medida e do (de regressão) estrutural; Nos últimos anos tem sido crescente o interesse em generalizar os SEM a modelos com relações não lineares, em particular modelos com efeitos interacção; A interacção entre ξ 1 e ξ 2 será dada por η = α + γ 1 ξ 1 + γ 2 ξ 2 + γ 3 ξ 1 ξ 2 + ζ Como especificar tal modelo? É complexo e não consensual... XIV CONGRESSO DA SPE p. 4/20
16 Exemplo motivador Objectivo: estimar a interacção ξ 1 ξ 2. Mas como criar ou medir a variável latente de interacção inter12?... XIV CONGRESSO DA SPE p. 5/20
17 Exemplo motivador Objectivo: estimar a interacção ξ 1 ξ 2. Mas como criar ou medir a variável latente de interacção inter12?... Path Diagram do modelo conceptual: X1 X2 X3 ksi1 Y1 inter12 eta Y2 X4 X5 X6 ksi2 Y3 XIV CONGRESSO DA SPE p. 5/20
18 Objectivo desta Apresentação Apresentar resumidamente algumas das abordagens propostas na literatura; XIV CONGRESSO DA SPE p. 6/20
19 Objectivo desta Apresentação Apresentar resumidamente algumas das abordagens propostas na literatura; Ilustrar como utilizar duas dessas abordagens: parametrização, restrições impostas e implementação em LISREL 8.8 (Julho de 2006); XIV CONGRESSO DA SPE p. 6/20
20 Objectivo desta Apresentação Apresentar resumidamente algumas das abordagens propostas na literatura; Ilustrar como utilizar duas dessas abordagens: parametrização, restrições impostas e implementação em LISREL 8.8 (Julho de 2006); Comparar os resultados obtidos (estimativas e standard errors para o exemplo motivador apresentado). XIV CONGRESSO DA SPE p. 6/20
21 Principais abordagens na literatura Diferentes estratégias para criar a variável latente de interacção e impôr restrições não lineares ao modelo têm sido propostas; XIV CONGRESSO DA SPE p. 7/20
22 Principais abordagens na literatura Diferentes estratégias para criar a variável latente de interacção e impôr restrições não lineares ao modelo têm sido propostas; Marsh et al. (2004) e Schumacker & Lomax (2004) - 2 abrangentes revisões de literatura; XIV CONGRESSO DA SPE p. 7/20
23 Principais abordagens na literatura Diferentes estratégias para criar a variável latente de interacção e impôr restrições não lineares ao modelo têm sido propostas; Marsh et al. (2004) e Schumacker & Lomax (2004) - 2 abrangentes revisões de literatura; Não existência de consenso na abordagem seguir + difícil implementação nos softwares = muito poucos aplicações publicados, apesar do crescente interesse... ; XIV CONGRESSO DA SPE p. 7/20
24 Principais abordagens na literatura Diferentes estratégias para criar a variável latente de interacção e impôr restrições não lineares ao modelo têm sido propostas; Marsh et al. (2004) e Schumacker & Lomax (2004) - 2 abrangentes revisões de literatura; Não existência de consenso na abordagem seguir + difícil implementação nos softwares = muito poucos aplicações publicados, apesar do crescente interesse... ; originariamente LISREL = linear structural relationships... XIV CONGRESSO DA SPE p. 7/20
25 Multiple-group approach a relação linear entre a variável independente e a dependente é especificada para as diferentes categorias da variável moderadora - categorial vs. contínua discretizada... XIV CONGRESSO DA SPE p. 8/20
26 Multiple-group approach a relação linear entre a variável independente e a dependente é especificada para as diferentes categorias da variável moderadora - categorial vs. contínua discretizada... vantagem: muito fácil de implementar - análise multigrupos em SEM: o mesmo modelo é testado nas sub-amostras, as estimativas obtidas são comparadas; XIV CONGRESSO DA SPE p. 8/20
27 Multiple-group approach a relação linear entre a variável independente e a dependente é especificada para as diferentes categorias da variável moderadora - categorial vs. contínua discretizada... vantagem: muito fácil de implementar - análise multigrupos em SEM: o mesmo modelo é testado nas sub-amostras, as estimativas obtidas são comparadas; desvantagens: não é possível obter estimativa directa do efeito interacção; sub-amostras demasiado pequenas para permitir conclusões. XIV CONGRESSO DA SPE p. 8/20
28 Product indicant approach Incorporar no modelo uma variável latente que represente o efeito interacção; XIV CONGRESSO DA SPE p. 9/20
29 Product indicant approach Incorporar no modelo uma variável latente que represente o efeito interacção; Como escolher os indicadores de medida? Produtos de pares de indicadores? Quais? Todos muitos parâmetros a estimar; XIV CONGRESSO DA SPE p. 9/20
30 Product indicant approach Incorporar no modelo uma variável latente que represente o efeito interacção; Como escolher os indicadores de medida? Produtos de pares de indicadores? Quais? Todos muitos parâmetros a estimar; Contudo os novos indicadores produto deixam de ter distribuição normal, com implicações nos standard errors estimados; XIV CONGRESSO DA SPE p. 9/20
31 Product indicant approach Incorporar no modelo uma variável latente que represente o efeito interacção; Como escolher os indicadores de medida? Produtos de pares de indicadores? Quais? Todos muitos parâmetros a estimar; Contudo os novos indicadores produto deixam de ter distribuição normal, com implicações nos standard errors estimados; Dificuldade de parametrização do modelo impôr restrições à mão no ficheiro de sintaxe - o que pode desencorajar muitos utilizadores... XIV CONGRESSO DA SPE p. 9/20
32 Latent variable scores approach Sugerido por Jöreskog (2000, 2006). Para estimar os scores das variáveis latentes o LISREL 8.8 usa o método proposto por Anderson & Rubin (1956) para obter estimativas individuais das variáveis latentes do modelo e estimativas dos erros de medida e das relações estruturais. Os latent variable scores obtidos têm matriz de var/cov idêntica à estimada para as variáveis latentes do modelo de medida; XIV CONGRESSO DA SPE p. 10/20
33 Latent variable scores approach (cont.) Uma das possíveis utilizações dos latent variable scores é estimar relações não lineares entre variáveis latentes; XIV CONGRESSO DA SPE p. 11/20
34 Latent variable scores approach (cont.) Uma das possíveis utilizações dos latent variable scores é estimar relações não lineares entre variáveis latentes; É mais fácil de implementar do que o product indicant approach; não é preciso especificar restrições não lineares; o que é tanto mais importante quanto mais complexo for o modelo em estudo. XIV CONGRESSO DA SPE p. 11/20
35 Latent variable scores approach (cont.) Uma das possíveis utilizações dos latent variable scores é estimar relações não lineares entre variáveis latentes; É mais fácil de implementar do que o product indicant approach; não é preciso especificar restrições não lineares; o que é tanto mais importante quanto mais complexo for o modelo em estudo. Usaremos em seguida o exemplo motivador atrás apresentado para ilustrar, comparativamente, duas abordagens. XIV CONGRESSO DA SPE p. 11/20
36 Exemplo de aplicação Dados simulados: 9 variáveis com distribuição NMV(0, Σ); 500 observações; XIV CONGRESSO DA SPE p. 12/20
37 Exemplo de aplicação Dados simulados: 9 variáveis com distribuição NMV(0, Σ); 500 observações; Equações do modelo: X = τ X + Λ X ξ + δ; Y = τ Y + Λ Y η + ǫ η = α + γ 1 ξ 1 + γ 2 ξ 2 + γ 3 ξ 1 ξ 2 + ζ Θ δ = var(δ) Θ ǫ = var(ǫ) Φ = var(ξ) XIV CONGRESSO DA SPE p. 12/20
38 Exemplo de aplicação Dados simulados: 9 variáveis com distribuição NMV(0, Σ); 500 observações; Equações do modelo: X = τ X + Λ X ξ + δ; Y = τ Y + Λ Y η + ǫ η = α + γ 1 ξ 1 + γ 2 ξ 2 + γ 3 ξ 1 ξ 2 + ζ Θ δ = var(δ) Θ ǫ = var(ǫ) Φ = var(ξ) X1 X2 X3 ksi1 Y1 inter12 eta Y2 X4 X5 X6 ksi2 Y3 XIV CONGRESSO DA SPE p. 12/20
39 Exemplo - Product indicant approach Indicadores da variável latente inter12: X 14 = X 1 X 4 ; X 25 = X 2 X 5 ; X 36 = X 3 X 6 ; XIV CONGRESSO DA SPE p. 13/20
40 Exemplo - Product indicant approach Indicadores da variável latente inter12: X 14 = X 1 X 4 ; X 25 = X 2 X 5 ; X 36 = X 3 X 6 ; Testes de Normalidade Univariada Skewness Kurtosis Skewness & Kurtosis Variable Z-Score P-Value Z-Score P-Value Chi-Square P-Value X X X X X X X X X XIV CONGRESSO DA SPE p. 13/20
41 Ex. Product indicant approach (cont.) Especificação dos parâmetros do modelo: XIV CONGRESSO DA SPE p. 14/20
42 Ex. Product indicant approach (cont.) Especificação dos parâmetros do modelo: Y 1 Y 2 Y 3 = τ Y 1 τ Y 2 τ Y λ Y 2 λ Y 3 η + ǫ 1 ǫ 2 ǫ 3 ; com Θ ǫ = diag XIV CONGRESSO DA SPE p. 14/20
43 Ex. Product indicant approach (cont.) Especificação dos parâmetros do modelo: X 1 X 2 X 3 X 4 X 5 X 6 X 1 X 4 X 2 X 5 X 3 X 6 Y 1 Y 2 Y 3 = = τ 1 τ 2 τ 3 τ 4 τ 5 τ 6 τ Y 1 τ Y 2 τ Y 3 τ 1 τ 4 τ 2 τ 5 τ 3 τ λ Y 2 λ Y 3 η + ǫ 1 ǫ 2 ǫ λ λ λ λ 6 0 τ 4 τ 1 1 τ 5 λ 2 τ 2 λ 5 λ 2 λ 5 τ 6 λ 3 τ 3 λ 6 λ 3 λ 6 ; com Θ ǫ = diag ξ 1 ξ 2 ξ 1 ξ 2 + δ 1 δ 2 δ 3 δ 4 δ 5 δ 6 δ 1 τ 4 + δ 4 τ 1 δ 2 τ 5 + δ 5 τ 2 δ 3 τ 6 + δ 6 τ 3 XIV CONGRESSO DA SPE p. 14/20
44 Ex. Product indicant approach (cont.) Θ δ = θ 1 0 θ θ θ θ 5 ; θ 6 τ 4 θ τ 1 θ θ 7 0 τ 5 θ τ 2 θ θ τ 6 θ τ 3 θ θ 9 XIV CONGRESSO DA SPE p. 15/20
45 Ex. Product indicant approach (cont.) Θ δ = θ 1 0 θ θ θ θ 5 ; θ 6 τ 4 θ τ 1 θ θ 7 0 τ 5 θ τ 2 θ θ τ 6 θ τ 3 θ θ 9 com θ 7 = τ 2 4 θ 1 + τ 2 1 θ 4 + φ 11 θ 4 + φ 22 θ 1 + θ 1 θ 4 ; XIV CONGRESSO DA SPE p. 15/20
46 Ex. Product indicant approach (cont.) Θ δ = θ 1 0 θ θ θ θ 5 ; θ 6 τ 4 θ τ 1 θ θ 7 0 τ 5 θ τ 2 θ θ τ 6 θ τ 3 θ θ 9 com θ 7 = τ4 2θ 1 + τ1 2θ 4 + φ 11 θ 4 + φ 22 θ 1 + θ 1 θ 4 ; θ 8 = τ5 2θ 2 + τ2 2θ 5 + λ 2 2 φ 11θ 5 φ 22 θ 2 + θ 2 θ 5 ; XIV CONGRESSO DA SPE p. 15/20
47 Ex. Product indicant approach (cont.) Θ δ = θ 1 0 θ θ θ θ 5 ; θ 6 τ 4 θ τ 1 θ θ 7 0 τ 5 θ τ 2 θ θ τ 6 θ τ 3 θ θ 9 com θ 7 = τ4 2θ 1 + τ1 2θ 4 + φ 11 θ 4 + φ 22 θ 1 + θ 1 θ 4 ; θ 8 = τ5 2θ 2 + τ2 2θ 5 + λ 2 2 φ 11θ 5 φ 22 θ 2 + θ 2 θ 5 ; θ 9 = τ6 2θ 3 + τ3 2θ 6 + λ 2 3 φ 11θ 6 + λ 2 6 φ 22θ 3 + θ 3 θ 6 ; XIV CONGRESSO DA SPE p. 15/20
48 Ex. Product indicant approach (cont.) Θ δ = θ 1 0 θ θ θ θ 5 ; θ 6 τ 4 θ τ 1 θ θ 7 0 τ 5 θ τ 2 θ θ τ 6 θ τ 3 θ θ 9 com θ 7 = τ4 2θ 1 + τ1 2θ 4 + φ 11 θ 4 + φ 22 θ 1 + θ 1 θ 4 ; θ 8 = τ5 2θ 2 + τ2 2θ 5 + λ 2 2 φ 11θ 5 φ 22 θ 2 + θ 2 θ 5 ; θ 9 = τ6 2 θ 3 + τ3 2θ 6 + λ 2 3 φ 11θ 6 + λ 2 6 φ 22θ 3 + θ 3 θ 6 ; 0 φ 11 E[ξ] = 0 ; Φ = φ 21 phi 22 φ φ 11 φ 22 + φ XIV CONGRESSO DA SPE p. 15/20
49 Ex. Product indicant approach (cont.) Depois de especificar manualmente estas restrições no ficheiro de sintaxe..., finalmente as estimativas: XIV CONGRESSO DA SPE p. 16/20
50 Ex. Product indicant approach (cont.) Depois de especificar manualmente estas restrições no ficheiro de sintaxe..., finalmente as estimativas: γ 1 γ 2 γ 3 Estimativa Stand Error t-value XIV CONGRESSO DA SPE p. 16/20
51 Ex. Product indicant approach (cont.) Depois de especificar manualmente estas restrições no ficheiro de sintaxe..., finalmente as estimativas: γ 1 γ 2 γ 3 Estimativa Stand Error t-value Depois de todo este trabalho ˆγ 3 não é significativa, indício de que não existe efeito interacção! XIV CONGRESSO DA SPE p. 16/20
52 Ex. Latent variable scores approach i) Estimar o modelo de medida Y1 Y2 Y3 eta X1 X2 ksi1 X3 ksi2 X4 X5 X6 XIV CONGRESSO DA SPE p. 17/20
53 Ex. Latent variable scores approach i) Estimar o modelo de medida Y1 Y2 Y3 eta X1 X2 ksi1 X3 ksi2 X4 X5 X6 ii) obter e gravar os latent variable scores de ksi1 e ksi2 e computar a variável latente de interacção (como um produto de scores); XIV CONGRESSO DA SPE p. 17/20
54 Ex. LV scores approach (cont.) iii) Estimar os coeficientes γ do modelo de regressão, com base nos latent variable scores anteriormente obtidos. XIV CONGRESSO DA SPE p. 18/20
55 Ex. LV scores approach (cont.) iii) Estimar os coeficientes γ do modelo de regressão, com base nos latent variable scores anteriormente obtidos. É uma metodologia muito fácil de implementar em LISREL, mas... os parâmetros do modelo não são todos estimados simultaneamente. XIV CONGRESSO DA SPE p. 18/20
56 Comparação das duas abordagens Comparação das estimativas obtidas pelas duas abordagens - coeficientes de regressão XIV CONGRESSO DA SPE p. 19/20
57 Comparação das duas abordagens Comparação das estimativas obtidas pelas duas abordagens - coeficientes de regressão γ 1 γ 2 γ 3 Product indicant Estimativa approach Stand Error LV scores Estimativa approach Stand Error XIV CONGRESSO DA SPE p. 19/20
58 Comparação das duas abordagens Comparação das estimativas obtidas pelas duas abordagens - coeficientes de regressão γ 1 γ 2 γ 3 Product indicant Estimativa approach Stand Error LV scores Estimativa approach Stand Error As estimativas obtidas para os γs são muito semelhantes mas os standard errors... XIV CONGRESSO DA SPE p. 19/20
59 Discussão A robustez dos standard errors merece ser mais investigada... não há normalidade de alguns dos indicadores, a estimação ML falha... ; XIV CONGRESSO DA SPE p. 20/20
60 Discussão A robustez dos standard errors merece ser mais investigada... não há normalidade de alguns dos indicadores, a estimação ML falha... ; A forma funcional de interacção pode não ser necessariamente um efeito multiplicativo - outro tipo de efeitos de interacção em SEM é uma área de investigação em aberto; XIV CONGRESSO DA SPE p. 20/20
61 Discussão A robustez dos standard errors merece ser mais investigada... não há normalidade de alguns dos indicadores, a estimação ML falha... ; A forma funcional de interacção pode não ser necessariamente um efeito multiplicativo - outro tipo de efeitos de interacção em SEM é uma área de investigação em aberto; A comparação das estimativas do LISREL com as de outros softwares de SEM merece ser analisada. XIV CONGRESSO DA SPE p. 20/20
Variável 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 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 maisEndogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais
1 Endogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais Ernesto F. L. Amaral Magna M. Inácio 21 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho
Leia maisEconometria para Avaliação de Políticas Públicas
Aula 2: O Método de Diferenças em Diferenças Itaú Social 11/01/2016 Método extremamente popular nos últimos quinze anos. Exemplos de aplicação são os mais diversos: avaliação de programas de treinamento,
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 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 maisEquações Estruturais: Uma aplicação a perfis de consumidores de café
Equações Estruturais: Uma aplicação a perfis de consumidores de café Gislene Araujo Pereira 1 Letícia Lima Milani 2 Marcelo Ângelo Cirillo 2 4 1 Introdução O café sempre teve um papel importante para a
Leia mais6 Modelo de Equações Estruturais
6 Modelo de Equações Estruturais 6.. Introdução No capítulo 5 utilizamos a TRIN para construir as escalas dos construtos capital social, capital cultural e capital econômico. Neste capítulo apresentamos
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
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 maisModelos Estatísticos para detecção de fraudes e aplicações
Modelos Estatísticos para detecção de fraudes e aplicações Prof. Dr. Heliton Ribeiro Tavares Universidade Federal do Pará - UFPA heliton@ufpa.br Juiz de Fora, 31/08/2018 Sumário Motivação Inicial Alguns
Leia maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 6
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 6 O Teorema de Wold O Teorema de Wold Lei dos Grandes Números Teorema Central do Limite -M O Teorema de Wold
Leia maisModelos com erros nas variáveis: teoria e
Modelos com erros nas variáveis: teoria e aplicações Alexandre Galvão Patriota Agradecimentos à Fapesp, Cnpq e Capes pelo apoio financeiro Alexandre G. Patriota (patriota@ime.usp.br) Modelos com erros
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 maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisISBN
ISBN 978-989-96763-1-2 9 789899 676312 ANÁLISE de EQUAÇÕES ESTRUTURAIS FUNDAMENTOS TEÓRICOS, SOFTWARE & APLICAÇÕES João Marôco Edição apoiada por É proibida toda e qualquer reprodução desta obra por qualquer
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 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 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 mais4 Modelos Lineares Generalizados
4 Modelos Lineares Generalizados Neste capítulo, serão apresentados arcabouços teóricos dos modelos lineares generalizados (MLGs) e como casos particulares desses modelos são aplicáveis ao problema da
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 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 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 maisProcessamento de erros grosseiros - Identiمحcaچcﷺao
Processamento de erros grosseiros - Identiمحcaچcﷺao Método ˆb Base: variável ˆβ interpretada como uma estimativa do erro associado à medida; verificação da magnitude do erro com relação a faixa esperada
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 maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia mais4,5 4,0 3,5 dados com y dados com y + ε u [m/s] 3,0 2,5 2,0 1,5 1,0 0,5 10 100 y [mm] u + 30 28 26 24 22 20 18 16 14 12 10 8 6 4 2 superfície lisa superfície rugosa u/u τ 100 1000 y + 0,8 pontos experimentais
Leia maisν ν α α π θ θ δ α α α + + α + α α + α + φ Γ φ θ θ θφ Γ δ = α ν α α ν + ν ν + ν + ν + δ + ν ν + δ + + + + + δ + + ν ν + + ν + + + ν ν ν + + ν + ν + = θ β β + Γ δ Γ δ β µ µ µµ µ µ µ µ α ν α µ
Leia maisUniversidade Federal de Minas Gerais
Universidade Federal de Minas Gerais i ii iii iv 1. CONSIDERAÇÃO SOBRE A MODELAGEM DE SISTEMAS...1 1.1. INTRODUÇÃO...1 1.2. ELUCIDÁRIO...2 1.3. MODELAGEM MATEMÁTICA DE SISTEMAS...6 1.4. ASPECTOS DA IDENTIFICAÇÃO
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS. Confiabilidade Lista 4. Professor: Enrico Colosimo Aluno: Augusto Filho Belo Horizonte - MG
UNIVERSIDADE FEDERAL DE MINAS GERAIS ESPECIALIZAÇÃO EM ESTATÍSTICA Confiabilidade Lista 4 Professor: Enrico Colosimo Belo Horizonte - MG 2 Exercício 1. Os dados abaixo foram apresentados por Nelson & Schmee
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 mais1. Conceitos básicos de estatística Níveis de medição Medidas características de distribuições univariadas 21
OS SABERES INDISPENSÁVEIS 7 Índice Prefácio 13 Capítulo 1 Os Saberes Indispensáveis 1. Conceitos básicos de estatística 17 1.1. Níveis de medição 18 1.2. Medidas características de distribuições univariadas
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 maisAnálise de dados em Geociências
Análise de dados em Geociências Decomposição de séries temporais Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Motivação Métodos de decomposição de séries temporais Decomposição clássica
Leia maisComparação do desempenho de diferentes níveis aleatórios na metodologia PORT
Comparação do desempenho de diferentes níveis aleatórios na metodologia PORT Paulo Araújo Santos Instituto Politécnico de Santarém, ESGS paulo.santos@esgs.pt Isabel Fraga Alves Universidade de Lisboa,
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 9 Modelos de Regressão com Variáveis Binárias Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Variáveis
Leia mais4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados
4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados 4.2 Quadrados Latinos (QL) Suponha que um experimentador esteja estudando o efeito de 5 formulações diferentes de
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
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 mais3 Especificação Estatística da Dispersão dos Modos de Polarização em Cabos de Fibra Óptica
em Enlaces Ópticos 0 3 Especificação Estatística da Dispersão dos Modos de Polarização em Cabos de Fibra Óptica Teoria básica da especificação estatística da dispersão dos modos de polarização em cabos
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 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 maisObjetivos. Ao final desse grupo de slides os alunos deverão ser capazes de:
Objetivos Ao final desse grupo de slides os alunos deverão ser capazes de: Escolher e utilizar um método de estimação adequado para os parâmetros de um modelo de regressão que apresente regressores endógenos.
Leia maisIntrodução à Teoria de Resposta ao Item
Caio L. N. Azevedo, IMECC/Unicamp Dani Gamerman, DME/UFRJ I CONBRATRI, Florianópolis 9 de dezembro de 2009 Parte II Parte 2: Implementação computacional. Análise de dados 1. Modelo de 3 parâmetros via
Leia maisEficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br
Leia maisAnálise estatística multivariada
Análise estatística multivariada Conjunto de procedimentos para a análise simultânea de duas ou mais medidas de cada caso/observação Os dados coletados p variáveis - de uma amostra de tamanho n podem ser
Leia maisAula 22/10/2018 José Luiz Padilha 22 de outubro de 2018
Modelando a Variância Estimação Aula 22/10/2018 José Luiz Padilha 22 de outubro de 2018 A estimação dos parâmetros α 0 e α 1 em um modelo ARCH(1) é geralmente realizada por verossimilhança condicional.
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 6 Extensões do Modelo de Regressão Linear de Duas Variáveis Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisEstatística de Teste: Decisão: p α Rejeita-se H 0. Hipóteses: Ǝ i,j σ 1 σ 2 i,j=1,,k. Estatística de Teste: Decisão: p >α Não se rejeita H 0
Normalidade: H 0: Y i~n(µ i, σ i) H 1: Y i N(µ i, σ i) (i=1,,k) Estatística de Teste: (p=valor p-value) Se n < 50 Teste Shapiro-Wild Se n > 50 Teste Kolmogorov-Smirnov Homogeneidade p α Rejeita-se H 0
Leia maisMAE Modelos Lineares Generalizados 2 o semestre 2017
MAE5763 - Modelos Lineares Generalizados 2 o semestre 2017 Prof. Gilberto A. Paula 3 a Lista de Exercícios 1. Supor y i ind FE(µ, φ i ) com φ i = α + γz i, para i = 1,..., n. Como ca a matriz modelo Z?
Leia maisAula 19 06/2014. Integração Numérica
CÁLCULO NUMÉRICO Aula 19 06/2014 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/41 Integração Numérica Cálculo Numérico 4/41 Integração Numérica Em determinadas
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia mais5 Análise dos Escores da Satisfação do Consumidor Uma Comparação entre as Metodologias de Jöreskog e do PLS
5 Análise dos Escores da Satisfação do Consumidor Uma Comparação entre as Metodologias de Jöreskog e do PLS 5. Introdução Neste capítulo serão avaliados os métodos de Jöreskog e do PLS de estimação dos
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 maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia mais3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento
3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento Suponha que a hipótese nula, de médias de tratamento iguais, tenha sido rejeitada em favor da hipótese
Leia maisAula inaugural do curso Análise de Regressão
Aula inaugural do curso Prof a Silvia Nagib Elian Sala 215 - Bloco A Instituto de Matemática e Estatística Universidade de São Paulo Agenda 1. Exemplo 2. Introdução 3. Modelo de regressão linear simples
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisRealimentação e Observador no Espaço de Estados Revisão
Realimentação e Observador no Espaço de Estados Revisão 1. Realimentação de estados 1.1. Um tour por alocação de pólos 2. Observador ou Estimador 2.1. Observador? Por quê? 3. Princípio da separação 4.
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 maisMedidas de Esforço de Desenvolvimento de Software
Medidas de Esforço de Desenvolvimento de Software Unidade 1 Fundamentos de Métricas e Medidas Luiz Leão luizleao@gmail.com http://www.luizleao.com Unidade 1 Fundamentos de métricas e medidas Introdução
Leia maisEconometria II. Equações simultâneas
Eco monitoria Leandro Anazawa Econometria II Este não é um resumo extensivo. O intuito deste resumo é de servir como guia para os seus estudos. Procure desenvolver as contas e passos apresentados em sala
Leia maisP4 de Álgebra Linear I
P4 de Álgebra Linear I 2008.2 Data: 28 de Novembro de 2008. Gabarito. 1) (Enunciado da prova tipo A) a) Considere o plano π: x + 2 y + z = 0. Determine a equação cartesiana de um plano ρ tal que a distância
Leia mais1. Estudo do pêndulo
Objectivos odelizar um pêndulo invertido rígido de comprimento e massa, supondo uma entrada de binário. Simular em computador. entar estabilizar o pêndulo em ciclo aberto por manipulação directa do binário.
Leia maisRevisão do MRLM - Análise "Cross-Section"
Revisão do MRLM - Análise "Cross-Section" APLICAÇÕES DE ECONOMETRIA Notas Práticas FEUC - 1 o Sem. 2010/2011 Vítor Castro (Notas Práticas) MRLM - Revisão FEUC - 1 o Sem. 2010/2011 1 / 13 Análise "Cross-Section"
Leia maisModelo de regressão Beta
Modelo de regressão Beta Fernando Lucambio Pérez Departamento de Estatística Universidade Federal do Paraná Agosto de 2004 1 Consideremos uma situação em que a variável resposta contínua é restrita ao
Leia maisdiferente do número de variáveis
Eliminação Gaussiana - Número de equações diferente do número de variáveis Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática
Leia mais1 o Ano. a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, y, z,
Metas Curriculares, 1 o ciclo Números e Operações (NO) 1 o Ano 1. Considere as letras do alfaeto latino, a,, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, y, z, e as letras do alfaeto
Leia mais3 Metodologia. resenha de VAN DIJK et al. (2002). 12 Para uma exposição extensiva do uso do modelo STR aplicado a séries macroeconômicas, ver a
3 Metodologia Como explicado acima, o modelo novo-keynesiano não fornece bases teóricas que motivem a existência de não-linearidades na CPNKH. Por isso, optamos por utilizar uma estratégia empírica flexível
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
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 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 maisO Papel da Terra na Agricultura Camponesa Moçambicana
O Papel da Terra na Agricultura Camponesa Moçambicana Por: Matias J. Farahane (Professor Auxiliar da FE da UEM e Investigador do CEEG) Centro de Estudos de Economia e Gestão (CEEG) Faculdade de Economia
Leia maisANÁLISE DE COMPLEXIDADE DOS ALGORITMOS
1/18 ANÁLISE DE COMPLEXIDADE DOS ALGORITMOS Algoritmos 2/18 Algoritmos Algoritmo - sequência de instruções necessárias para a resolução de um problema bem formulado (passíveis de implementação em computador)
Leia maisTestes de Hipóteses. : Existe efeito
Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs. H 1 : Existe efeito Hipótese nula Hipótese alternativa Varia conforme a natureza
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
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 maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisINSTITUTO TECNOLÓGICO DE AERONÁUTICA
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA MECÂNICA MP-272: CONTROLE E NAVEGAÇÃO DE MULTICÓPTEROS IV. ESTIMAÇÃO ÓTIMA Prof. Davi Antônio dos Santos (davists@ita.br) Departamento de Mecatrônica
Leia maisAnálise de clusters usando classes latentes
Análise de clusters usando classes latentes João Branco Departamento de Matemática, IST XIV Congresso SPE, 27-30 Set. 2006 Covilhã Poucos dados/muitos dados p. 0/23 Sumário 1. Variáveis latentes 2. Modelos
Leia maisTécnica de estimativa de parâmetros nos domínios da freqüência e do tempo: Aplicação em materiais condutores e não-condutores
Técnica de estimativa de parâmetros nos domínios da reqüência e do tempo: Aplicação em materiais condutores e não-condutores Gilmar Guimarães Valério L. Borges Sandro M. M. Lima e Silva OBJETIVO Estimação
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 maisModelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados
Modelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados Erica Castilho Rodrigues 23 de Maio de 207 Introdução 2 3 Vimos como encontrar o EMV usando algoritmos numéricos. Duas possibilidades:
Leia maisEconometria - Lista 5
Econometria - Lista 5 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 Utilizando a base de dados disponível em TEMCOPROD.wtf1,
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisModelos com Trajetória Latente em Painéis Rotativos com Dados Omissos
Departamento de Métodos Quantitativos para Gestão e Economia Modelos com Trajetória Latente em Painéis Rotativos com Dados Omissos Paula Cristina Ribeiro Vicente Tese especialmente elaborada para obtenção
Leia maisOPTIMIZAÇÃO DE ESTRUTURAS
OPTIMIZAÇÃO DE ESTRUTURAS Alvaro F. M. Azevedo Email: alvaro@fe.up.pt Faculdade de Engenharia da Universidade do Porto 1 OBJECTIVO Minimizar o custo de uma solução estrutural As restrições são os requisitos
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 maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida
Leia maisAnálise de Variância a um factor
1 Análise de Variância a um factor Análise de experiências com vários grupos de observações classificados através de um só factor (por exemplo grupos de indivíduos sujeitos a diferentes tratamentos para
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 maisControlo da qualidade dos ensaios
5.7 - Participação em testes de aptidão (PT) 5.8 - Análise de Materiais de Referência Certificados (MRC) 1 Ensaios/Testes de Aptidão (PT- Proficienty tests) Avaliação do desempenho de uma participação
Leia mais