Introdução aos Métodos Quase-Experimentais
|
|
- Marina de Almeida Santana
- 6 Há anos
- Visualizações:
Transcrição
1 Técnicas Econométricas para Avaliação de Impacto Introdção aos Métodos Qase-Experimentais Rafael Perez Ribas Centro Internacional de Pobreza Brasília, 23 de abril de 28
2 Introdção Breve descrição de métodos para estimar o efeito de m tratamento, qando este: o É derivado de ma ato-escolha. Exemplo: Trabalhador qe escolhe o setor de atividade; o É derivado da escolha de qem está provendo o tratamento. Exemplos: Bolsas de estdos destinados aos melhores alnos; Investimentos na infra-estrtra de áreas pobres. o O existem fatores omitidos por trás da relação. Exemplo: Retornos da escolaridade sobre o salário; iscriminação no mercado de trabalho.
3 A escolha pela metodologia não-experimental depende de três fatores: o O tipo de informação disponível; o O modelo casal; o O parâmetro de interesse. É necessário ainda saber sobre qais condições o parâmetro de interesse é identificado. A distinção entre resltados de ma mesma avaliação pode decorrer da imposição de falsas sposições sobre a distribição das variáveis. o Vantagem dos modelos não-paramétricos (Heckman, 99).
4 Modelo Casal Um modelo de efeito do tratamento pode ser descrito como m switching model regression: * i * i * i s S i () s Ziγ vi, E[ v] () s i () s () s < () s () s () s β () s () s, E[ () s ] i i i Para facilitar, sponha qe existem só dois estados (com e sem tratamento), {,} s.
5 Assim: [ ] [ ] [ ],,, * * * < E E E v v Z β β γ Além disso, sponha qe exista m conjnto de características observáveis comm a todas as eqações: ( ) [ ] ( ) [ ] ( ) [ ],,,,,, * E E E v v Z c c c β β γ
6 Relembrando, o problema da avaliação de impacto é não observamos a mesma nidade em ambos os estados. Só observamos: ( ), o ainda: ( ) [ ] ( ) [ ]( ) ( ) c c,, β β Para facilitar, assma qe não varia com : ( ) ( ) β α β α β c c, e, Assim: ( ) ( ) ( ) ( ), β τ α β α α α
7 Problema: apesar de [] E[ ] E[ ]( ) E, / O seja, é endógeno. Neste caso, ma diferença de médias o ma simples regressão gera o seginte resltado enviesado: E [ ] E[ ] ( α α ) [ E( ) E( ) ] os termos entre colchetes não necessariamente se anlam Mais especificamente, é endógeno porqe v /, B [ E( v (, Z ) γ ) E( v < ( Z ) γ )] c c,
8 Fatores não-observados, v, qe determinaram a seleção inflenciam o resltado,. Solção: fazer com qe v Como? o Incorporando mais variáveis, o sficiente para qe os termos não-observados sejam ortogonais. Três formas de fazer isso: o Mais variáveis em c para eliminar o viés de variáveis omitidas (seleção sobre observáveis); o Inclir ma variável Z na eqação de seleção (seleção sobre não-observáveis); o Inclir ma variável Z / na eqação de seleção (seleção sobre observáveis).
9 Importante: Mesmo qando é exógeno, se há heterogeneidade no impacto, τ i τ ξ i, os coeficientes de ma regressão podem não representar os parâmetros de interesse: E τ τ E ξ E τ τ E ξ [ ] [ ] [ ] [ ] Exemplos: o iferenças salariais entre homens e mlheres; o O entre negros e brancos; o O entre os anos de 26 e 27; o Não existe ma escolha por trás destas variáveis, mas é impossível tratá-las como aleatórias. Por maior qe seja o controle sobre observáveis, a composição dos grpos é distinta.
10 Parâmetros de Interesse O parâmetro de interesse mais comm é o ATE: [ ] [ ] [ ] [ ] [ ] ( ) α α τ β α β α β α β α E E E E E qe representa o impacto médio do tratamento na poplação como m todo (independente de qem foram os tratados). Otro parâmetro de interesse é o ATT o ATET: [ ] [ ] [ ] [ ] [ ] [ ] [ ] ( ) [ ] E E E E E E E E T α α τ β α β α o ATT mostra como o grpo qe recebe (o escolhe) o tratamento foi afetado.
11 e maneira eqivalente, o ATU é definido como: [ ] α E[ ] β E[ ] [ ] α E[ ] β E[ ] E[ ] ( α α ) E[ ] E E τ U isso representa o qanto o grpo qe não está sendo tratado seria afetado caso fosse tratado. o Não confndir com externalidades do programa O ATU é de interesse, por exemplo: o Estimação do impacto da expansão de m programa para além do grpo já tratado. Um caso onde ATU é geralmente estimado, porém ele não é de interesse: o ecomposições à la Oaxaca-Blinder.
12 Por definição: ATE τ τ Pr Pr ( ) ATT Pr( ) ATU ( ) E( ) Pr( ) E( ) Se, o E [ ], ATTATUATE o Idéia implícita de homogeneidade do impacto. Importante: para qe o ATU e, por conseqüência, o ATE sejam de interesse, é relevante qe a amostra de nãotratados represente ma poplação de interesse.
13 O estimador pode ainda ser representativo de m efeito local (LATE): E[ Z ] E[ Z] LATE, onde Z Z ε E Z E Z [ ( ) ] [ ( ) ] Se o impacto do tratamento é homogêneo, LATEATE. Contdo, é mito provável qe a escolha de Z inflencie o estimador. Correção para erros de medida pode ser m exemplo de qando o LATE é o parâmetro de interesse: o Renda de ma transferência predita pela composição domiciliar; o Renda permanente predita por bens dráveis.
14 Um exemplo de LATE o Efeito de Tratamento para Pessoas na Margem da Indiferença (o Eligibilidade), EOTM: EOTM ( s, s ) E ( s) ( s ) l ( () s ) R( ( s )) ( () s ) R( () l ) ( ( s )) R R R s, s
15 Modelo de Seleção sobre Observáveis Assme qe os fatores não-observados, e v, não estão correlacionados. Sposição de independência na média condicional: E,, Z E,, Z E, [ ] [ ] [ ], c c c Z o Se o parâmetro de interesse é de efeito médio. Se existem otros parâmetros de interesse (mediana, desvio-padrão, etc.): o evemos assmir ma condição mais restritiva (versão condicional da SUTVA):, c Z.
16 Modelo mais comm de seleção sobre observáveis: o Regressão mltivariada. o Se não é correlacionado com v, é porqe c explica a correlação de com. Exemplo típico: seleção amostral. Problema é qando c explica o efeito de sobre. Exemplos: o Resltados de testes de proficiência explicam escolaridade, mas também explicam a diferença entre salários das pessoas mais e menos escolaridade; o Renda domiciliar determina participação em programa social qe determina gastos com alimentação, qe também é determinada pela renda domiciliar.
17 Solção, incorporar interações para melhorar o controle (Rbin, 977): α τ β ω ( ) c c Contdo, se impacto é heterogêneo, τ E [ ] ˆ c Solção: α τ o β ( ) ω ( ) ω α τ T β T
18 Problema: v não ser ortogonal a e a condição de independência ser violada, mesmo inclindo o controle de c. o O então, ter qe inclir ma série de otras variáveis jnto com as respectivas interações (perda dos gras de liberdade). Solção: inclir ma variável Z /. o Tal qe esta variável expliqe em grande parte a correlação de v com. o O seja, retira de v a parte qe está correlacionada com. Problema: não há como inclir Z diretamente na eqação de interesse. o Pois é ma variável (fracamente) endógena e correlacionada com.
19 Solções: o Já conhecidas há mito tempo, porém não para corrigir o viés de seleção, mas para estimar m parâmetro de interesse (ATT o ATE) sobre ma variável exógena. o Matching (método não-paramétrico), τ E i W j { } (,, Z Z ) c, i c, j i, j j ;
20 o Inverse Probability Weighting (método semi-paramétrico), W o W (, Z ) c (, Z ) c Pr Pr (, Z ) Pr(, Z ) Pr( c ) (, Z ) c c ( ) Pr( c ) Pr(, Z ) Estas técnicas relaxam a imposição de formas fncionais. E possibilitam a estimação de parâmetros de interesse para sb-amostras. Exemplo: o No caso de diferenças salariais, m estimador de Matching o IPW pode fornecer resltados distintos de ma microssimlação contrafactal à la Oaxaca-Blinder (inardo; Firpo e Ñopo possem trabalhos sobre isso). c c
21 Importante: o Se, mesmo sando Matching o IPW, não for inclído no modelo Z /, os resltados tendem a não se distingir da regressão de Rbin (977). A não ser devido à mdança na formal fncional. o Portanto, se na regressão já havia ma problema de viés de seleção, matching o IPW não corrigirão este problema tilizando as mesmas variáveis c. Estimador de matching não é ma panacéia!
22 Regressão escontína Um método de seleção sobre observáveis por definição. O seja, assme a mesma condição de independência. Porém, só gera m estimador LATE. Existe ma variável Z / qe determina o tratamento, tal qe Z > z Z z o ainda E [ Z z ε ] > E[ Z z ε ], [ Z z ε ] E[ Z z ε ] E mas
23 Exemplos: o Bolsas de estdos distribídas de acordo com testes de proficiência; o Transferência de renda para pessoas abaixo da linha de pobreza. ois tipos de estimador: o Sharp E[ Z z ε ] E[ Z z ε ], se E Z > z e E Z z o Fzzy [ ] [ ] [ Z z ε ] E[ Z z ε ] [ Z z ε ] E[ Z z ε ] E E Formas de estimação: o Regressão paramétrica (naïve); o Regressão não-paramétrica (consistente);
24 Modelo de Seleção sobre Não-Observáveis Condição assmida: Z e Z determina. Idéia: retirar de (o ) o componente qe está correlacionado com v. Como fazer isso: o Método IV, consiste em tilizar ma variável ˆ ; o Seleção de Heckman, identificar em o componente correlacionado com v; o Modelo de efeitos fixos, spondo qe é determinado somente por atribtos fixos (mitas vezes inviável); o Modelo de iferença-nas-iferenças; sposição idêntica a de modelos de efeitos fixos.
25 Método de Variáveis Instrmentais IV as formas de implementação: o Sbstitir o indicador de tratamento,, na eqação de interesse por g(z), qe pode ser o próprio Z. o O tilizar o valor predito ˆ ( c, Z ) na eqação de interesse no lgar de.
26 essa forma, tilizamos ma proxy de qe é ortogonal a, pois ( c, Z ). Problema: essa proxy varia com a escolha de Z. o O seja, estamos estimando m parâmetro LATE: [, Z] ( α ) E[ Z z] E c α
27 Estimador de Seleção de Heckman Mito comm em análise com seleção amostral. Consiste em estimar a esperança condicionada de v (nãoobservado em modelos não-lineares), para posteriormente inclí-la na eqação de interesse: [ Z] α τ c β ρe v c, o Utilização da famosa razão inversa de Mills. Assim,.
28 Como no método IV, é possível estimar os coeficientes: o Em dois estágios; o O por meio de modelos mltivariados (joint likelihood). E como no método IV, há o problema de encontrar ma variável Z convincente. o e fato, IV da Ms. Speedy (alocação da verba) não é convincente. o Seria mais interessante tilizá-la em m modelo de seleção sobre observáveis. Mito importante: Se Z /, os estimadores resltantes podem ser ainda mais enviesados.
29 Estimador de iferença-nas-iferenças Mede a variação mais qe proporcional no grpo de tratamento em relação ao grpo de controle. Para entendê-lo, vamos definir a seginte eqação: () i δ t α, t ηi i t, t, A primeira diferença (antes-e-depois) para cada grpo (tratamento e controle) é:,, () i () ( ) ( ) ( ) ( ), i δ δ α, α, ηi ηi i, i, δ t α ( ) t i, i, () i () ( ) ( ) ( ) ( ), i δ δ α, α, ηi ηi i, i, δ t α t ( ) i, i,
30 Assim qando estimamos a diferença das esperanças das diferenças: E i i E i i [ () () ] ( ) ( ) [ ],,,, t ( α α ) E( ) E( ) i, i, Condição: se E( ) ( ) i, i, E i, i,, o estimador é consistente. Isso implica qe: o Toda diferença entre os grpos foi eliminada na sbtração dos efeitos fixos; o A condição agora é qe as variações sejam ortogonais à seleção para o tratamento. Esta condição sempre esteve implícita nos otros estimadores. i, i,
31 A condição E ( ) E( ) i, i, i, i, pode ser facilmente violada dependendo do qe está sendo investigado. Exemplo: o Efeito de cotas em niversidades sobre o desempenho de estdantes no segndo gra; Grpo de tratamento: alnos com direito à cota; Grpo de comparação: alnos sem direito à cota. o Condição é violada qando a trajetória média do desempenho de alnos é distinta. Por esta mesma razão, modelos de efeitos fixos podem não resolver o problema.
32 Solção, assmir ma otra condição: E (, ) E(, ) i, i, i, i, o O seja, assmir independência nas trajetórias condicionadas, por exemplo, às características dos alnos. Para fazer isso, não basta inclir variáveis de controle em ma regressão de diferença-nas-diferenças. Solções: o Inclir interações, tais como em Rbin (977); o Combinar método com otros métodos de seleção sobre observáveis (Matching, IPW, R); o Combinar método com otros métodos de seleção sobre não-observáveis (IV o Seleção de Heckman); o Estimar m modelo de diferenças com efeito fixo (inviável).
33 Para os casos de Matching e R, a solção é mais simples do qe parece: o Basta estimar o parâmetro antes e depois da implementação do tratamento e eliminar as diferenças identificadas previamente das diferenças posteriores. Importante é não confndir o papel do estimador de iferença-nas-iferenças com o papel dos estimadores qase-experimentais: o O estimador de garante ma forma mais consistente de se estimar m impacto, podendo o não ser combinado com técnicas experimentais o qase-experimentais de avaliação.
34 Coleta de ados Métodos qase-experimentais exigem amostras maiores qe métodos experimentais. o Pois somente parte da variação nas variáveis de interesse é tilizada na estimação. o Geralmente, o grpo de tratados tende a ser mais homogêneo, do ponto de vista da investigação, qe o grpo de controle; o Portanto, a regra 5%-5% tilizada na amostra de experimentos não é válida nos qase-experimentos. Base de dados secndárias: o Pesqisas para cobrir ma série de otros propósitos; o Informações de relevância para avaliação podem estar asentes; Exemplo: Avaliação de impacto do PBF tilizando a PNA.
35 Por isso, mitas pesqisas coletam ses próprios dados: o Problema é qe estas pesqisas podem não ter representatividade. Registro administrativo: o Contém ma grande amostra de tratados e de controle; o É possível observar de fato qem foi, o está sendo, tratado e qem não foi, além de mitas das condições qe determinaram esta escolha (baseline); o Problema é qe estas informações só são representativas da poplação registrada.
36 A bsca pela representatividade não é o mais importante; o E pode incorrer em amento desnecessário dos cstos; o O foco é, primeiro, como estimar o ATT da maneira mais consistente; o Validade interna vem antes da externa, apesar das das serem importantes. Mito importante: o Em qalqer avaliação qase-experimental ( c, Z) deve ser completamente exógeno a. A única forma de garantir isso é qe ( c, Z) seja coletado antes do tratamento (informação na linha de base); Se ( c, Z) e são observados simltaneamente, existe ma grande risco de inconsistência interna na avaliação.
Outras Técnicas que Utilizam o Escore de Propensão
Técnicas Econométricas ara Avaliação de Imacto Outras Técnicas que Utilizam o Escore de Proensão Rafael Perez Ribas Centro Internacional de Pobreza Brasília, 28 de maio de 2008 Introdução O Escore de Proensão
Leia maisVariáveis Instrumentais
Técnicas Econométricas para Avaliação de Impacto Variáveis Instrumentais Guilherme Issamu Hirata Centro Internacional de Pobreza (IPC/PNUD) Brasília, 2 de maio de 28. Introdução Qualidade do Ensino: Escola
Leia maisTécnicas econométricas para avaliação de impacto O uso de métodos de regressão e introdução aos métodos de diferençasdas-diferenças
Técnicas econométricas para avaliação de impacto O uso de métodos de e introdução aos métodos de diferençasdas-diferenças Bruno César Araújo Instituto de Pesquisa Econômica Aplicada IPEA Brasília, 30 de
Leia maisAULAS 25 E 26 VARIÁVEIS INSTRUMENTAIS
1 AULAS 25 E 26 VARIÁVEIS INSTRUMENTAIS Ernesto F. L. Amaral 11 e 13 de junho de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas para Avaliação
Leia maisAnálise de Causalidade e o Problema da Avaliação de Impacto
Técnicas Econométricas para Avaliação de Impacto Análise de Causalidade e o Problema da Avaliação de Impacto Rafael Perez Ribas Centro Internacional de Pobreza Brasília, 09 de abril de 2008 Introdução
Leia maisANÁLISE DE SENSIBILIDADE DE ESTRUTURAS VIA ANSYS
3 ANÁLISE DE SENSIBILIDADE DE ESRUURAS VIA ANSYS Geralmente o MEF é o método nmérico de análise tilizado pare se obter os valores das fnções objetivo e das restrições, no qe diz respeito à maioria dos
Leia maisAvaliação experimental
Técnicas Econométricas para Avaliação de Impacto Avaliação experimental Fabio Veras Soares Centro Internacional de Pobreza (IPEA/PNUD) Brasília, 16 de abril de 2008. Introdução: como aleatorização resolve
Leia maisValidação Externa e Expansão do Programa
Técnicas Econométricas para Avaliação de Impacto Validação Externa e Expansão do Programa Fabio Veras Soares Centro Internacional de Pobreza (IPC/IPEA/PNUD) Brasília, 25 de junho de 2008. A validade externa
Leia maisProf. Antônio F M Santos
Prof. Antônio F M Santos Profa. Rosenda Valdés Arencibia Maio, 011 Sexo: Masclino, Feminino Calvície: Calvo, Não calvo A associação entre das o mais variáveis implica qe o conhecimento de ma altera a
Leia mais4 Análise dimensional para determinação da frequência e fator de amplificação do pico máximo
4 Análise dimensional para determinação da freqência e fator de amplificação do pico máimo A análise cidadosa das eqações qe regem o escoamento pode fornecer informações sobre os parâmetros importantes
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 maisIntrodução à Computação Gráfica Curvas. Claudio Esperança Paulo Roma Cavalcanti
Introdção à Comptação Gráfica Crvas Cladio Esperança Palo Roma Cavalcanti Modelagem Geométrica Disciplina qe visa obter representações algébricas para crvas e sperfícies com determinado aspecto e/o propriedades
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 maisAULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado)
AULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado) Susan Schommer Econometria I - IE/UFRJ Valor esperado dos estimadores MQO Nesta aula derivamos o valor esperado dos estimadores
Leia maisBS compósito. Sumário. BS compósito. BS compósito. BS compósito. BS compósito. Bem ou serviço compósito = dinheiro Exercícios 2 Exercícios 3
Smário Bem o serviço compósito = dinheiro Exercícios Exercícios 3 Na análise qe fizemos, há dois BS e estdamos com os gostos interferem com o orçamento odemos estender a análise a N BS No entanto, temos
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 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 maisEconometria para Avaliação de Políticas Públicas
Aula 3: LATE Itaú Social 13/01/2016 Auto-seleção nos não-observáveis. Como estimar o ATE quando Pr [T = 1jY (1), Y (0), X ] 6= Pr [T = 1jX ] = p (X ) Na literatura econométrica, tem-se um problema equivalente:
Leia maisO uso de algoritmos de emparelhamento - matching
Técnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento - matching Bruno César Araújo Instituto de Pesquisa Econômica Aplicada IPEA Brasília, 7 de maio de 2008 Pergunta da
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 mais8 Resultados de Medições Indiretas
8 esltados de Medições Indiretas Fndamentos de Metrologia Motivação ±c c b ±b omo estimar a incerteza do valor de ma grandeza qe é calclada a partir de operações matemáticas ticas com os resltados de otras
Leia maisUNIVERSIDADE DE BRASÍLIA I/2013 DEPARTAMENTO DE ECONOMIA 18/7/13
UNIVRSIDAD D BRASÍLIA I/3 DPARTANTO D CONOIA 8/7/3 TORIA DOS JOGOS - PÓS PROFSSOR AURÍCIO SOARS BUGARIN CO bgarin@nb.br htttp://www.bgarinmaricio.com PROVA GABARITO Problema -Direito e conomia A área de
Leia maisCapítulo 2 Introdução ao Sistema GPS
Introdção ao Sistema GPS 17 Capítlo 2 Introdção ao Sistema GPS O primeiro satélite artificial colocado em órbita foi o rsso Sptnik 1, lançado no ano 1957. Assim, foi demonstrada a viabilidade dos satélites
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 mais5 Exemplos de análise determinística 5.1. Introdução
5 Exemplos de análise determinística 5.1. Introdção Para validação dos modelos nméricos determinísticos e comparações entre os procedimentos de solção, são efetadas análises de qatro exemplos. O primeiro
Leia maisPrimeira lista de exercícios de Física Experimental I-A, FIS01257
Primeira lista de exercícios de Física Experimental I-A, FIS0257 Roberto da Síla, Agenor Heintz, Magno Machado, Mendeli Vainstein, Mario Baibich Institto de Física, UFRGS April 5, 206 Qestão : Considere
Leia maisO resultado da medição na presença de várias fontes de incertezas
O resltado da medição na presença de várias fontes de incertezas Determinação da incerteza de medição em oito passos P1 Analise o processo de medição P Identifiqe as fontes de incertezas P3 Estime a correção
Leia maisIncerteza da medição de uma jóia por uma balança digital
Incerteza da medição de ma jóia por ma balança digital 19,94 19,9 19,98 19,96 19,90 19,94 0,00 19,94 19,94 19,96 19,9 0,00 19,94 g Resolção: 0,0 g Média 19,950 g s 0,0313 Dados da calibração CERTIFICADO
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia 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 mais4 Estudos sobre Ductilidade de Vigas Reforçadas
4 Estdos sobre Dctilidade de Vigas Reforçadas 4.1. Introdção Este capítlo apresenta algns estdos teóricos e experimentais encontrados na literatra sobre vigas de concreto armado reforçadas com compósitos
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 maisTécnicas de espectroscopia 3D aplicados ao BTFI e SIFS. I - Identificação e redução de ruído em cubos de dados obtidos com espectrógrafos Fabry-Perot.
Técnicas de espectroscopia 3D aplicados ao BTFI e SIFS. I - Identificação e redção de rído em cbos de dados obtidos com espectrógrafos Fabry-Perot. J. E. Steiner e Carlos Edardo Paladini IAG-USP 1 Introdção
Leia mais1 Introdução. Manoel DOMINGOS FILHO 1
UMA APLICAÇÃO SOBRE A COMPARAÇÃO DE PREVISORES CLÁSSICOS E INVERSOS NO MODELO DE CALIBRAÇÃO ESTRUTURAL NA OBTENÇÃO DE MEDIDAS INDIRETAS REALIZADAS POR MEIO DE HIPSÔMETROS E PRANCHETA DENDOMÉTRICA Manoel
Leia maisVarian, H. Microeconomia. Princípios Básicos. Editora Campus (7ª edição), BENS PÚBLICOS. Graduação Curso de Microeconomia I Profa.
Varian H. Microeconomia. Princípios Básicos. Editora Camps 7ª edição 003. BENS PÚBLICOS radação Crso de Microeconomia I Profa. Valéria Pero Bens Públicos Bens qe não seriam ofertados pelo mercado o pelo
Leia maisRegressão com Descontinuidade - RDD
Regressão com Descontinuidade - RDD Rafael Terra Universidade de Brasília-Unb 05 de Maio, 2016 Rafael Terra (Unb) Econometria do Setor Público 05 de Maio, 2016 1 / 55 O Básico sobre Causalidade: Endogeneidade
Leia maisEstimação de Efeito Causal
Estimação de Efeito Causal Rafael Borges June 4, 2012 Outline Resultados Potenciais Aleatorização Seleção em observáveis Seleção em não-observáveis: Variáveis Instrumentais Seleção em não-observáveis:
Leia maisCurso de Análise Matricial de Estruturas 1
Crso de Análise Matricial de Estrtras IV MÉODO DA IIDEZ IV. Solção eral A modelagem de m sistema estrtral para sa resolção através do método da rigidez deve preferencialmente apretar m número de coordenadas
Leia maisGestão de Riscos em Projetos de Software
Gestão de Riscos em Projetos de Software Seiji Isotani, Rafaela V. Rocha sisotani@icmc.sp.br rafaela.vilela@gmail.com PAE: Armando M. Toda armando.toda@gmail.com Sem riscos não há recompensas Plano de
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAULA Exercícios. DETERMINAR A EXPRESSÃO GERAL E A MATRIZ DE UMA TL CONHECIDAS AS IMAGENS DE UMA BASE DO
Note bem: a leitra destes apontamentos não dispensa de modo algm a leitra atenta da bibliografia principal da cadeira Chama-se a atenção para a importância do trabalho pessoal a realizar pelo alno resolvendo
Leia mais2 a Prova de Mecânica dos Fluidos II PME /05/2012 Nome: No. USP
a Prova de Mecânica dos Flidos II PME 8/5/ Nome: No. USP ª. Qestão (. pontos). Vamos admitir m escoamento trblento de ar (ρ=,kg/m ; ν=,6-5 m /s) sobre m aerofólio esbelto em regime permanente. Medidas
Leia maisAULA 29 Aplicação do método de diferença em diferenças
1 AULA 29 Aplicação do método de diferença em diferenças Ernesto F. L. Amaral 29 de novembro de 2011 Avaliação de Políticas Públicas (DCP 046) EXPERIMENTO NATURAL 2 Em economia, muitas pesquisas são feitas
Leia maisComposição de movimentos. P(x,y) y(t) x(t) descoberta de Galileu
Composição de movimentos P(,) (t) O (t) X descoberta de Galile Uma grande parte da discssão qe sege visa o caso particlar em qe temos m movimento nma direção X e otro na direção Y, e no qal o qe acontece
Leia maisVariáveis Instrumentais
Variáveis Instrumentais Abordagem diferente para o problema de endogeneidade: V.I. pode se usado para se obter estimadores consistentes na presença de variáveis omitidas; V.I. também pode ser usado para
Leia mais6 Análise dos Resultados
6 Análise dos Resltados 6.. Introdção Neste capítlo são apresentados e analisados os resltados obtidos nos ensaios das sete vigas e a determinação dos ses índices de dctilidade. As resistências das vigas
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 maisAntenas de Tanguá (RJ)
Antenas de Tangá (RJ) Composição de movimentos y P(x,y) y(t) O x(t) X descoberta de Galile Uma grande parte da discssão qe sege visa o caso particlar em qe temos m movimento nma direção X e otro na direção
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 maisINSTRUMENTAÇÃO NUCLEAR ESTATÍSTICA DE CONTAGEM E ESTIMATIVA DE ERRO
INSTRUMENTAÇÃO NUCLEAR ESTATÍSTICA DE CONTAGEM E ESTIMATIVA DE ERRO Princípio Decaimento radioativo é m processo aleatório, portanto sa medida está sjeita à fltação estatística. Esta fltação é m fonte
Leia maisUtilização do MATLAB (Control System Toolbox)
Utilização do MALAB (Control Sstem oolbox). Introdção Estas notas constitem ma breve introdção à tilização do Control Sstem oolbox (versão 4) do MALAB no estdo de sistemas dinâmicos lineares. O comando
Leia maisHomework 06 (Equações de estado) Felippe de Souza &&& Y(s) U(s) Y(s) U(s) Y(s) U(s) Y(s) U(s) Y(s) U(s) Y(s) U(s) = e) = Y(s) 2. u 1. 1 u 3.
Homework 6 ) Considere o sistema descrito pela sa eqação diferencial ordinária abaio. Ache a F (Fnção de ransferência). Escreva na forma de Eqações de Estado & A B, C D. Verifiqe qe a eqação característica
Leia maisEconometria para Avaliação de Políticas Públicas
Aula 1: Propensity Score Itaú Social 08/01/2016 Revisão Introdução O problema da identi cação Como determinar se há efeito causal de um programa social em alguma variável de interesse. Exemplo 1: Programa
Leia maisAULA 17 MÉTODO DE DIFERENÇA EM DIFERENÇAS
1 AULA 17 MÉTODO DE DIFERENÇA EM DIFERENÇAS Ernesto F. L. Amaral 09 de maio de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas para Avaliação de
Leia mais7 Testes de Robustez. 7.1 Efeito sobre os alunos não beneficiados
7 Testes de Robustez Como os resultados anteriores não foram obtidos a partir de um experimento controlado, eles devem ser interpretados com bastante cautela. Esta seção submete estes resultados a uma
Leia maisCÁLCULO DA INCERTEZA DE MEDIÇÃO NA CALIBRAÇÃO DE LUXIMETROS
METROLOGA-00 Metrologia para a Vida Sociedade Brasileira de Metrologia (SBM) Setembro 0 05, 00, Recife, Pernambco - BRASL CÁLCLO A NCERTEZA E MEÇÃO NA CALBRAÇÃO E LXMETROS José Gil Oliveira, Alfredo Heitor
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 mais7 Conclusões e Sugestões para Trabalhos Futuros
7 Conclsões e Sgestões para Trabalhos Ftros Este trabalho experimental estda a inflência do parâmetro dctilidade em sete vigas retanglares de concreto armado reforçadas à flexão com tecidos de fibra de
Leia maisEAE0325 Econometria II. Professora: Fabiana Fontes Rocha. Gabarito Primeira Lista Teórica de Exercícios
EAE0325 Econometria II Professora: Fabiana Fontes Rocha Gabarito Primeira Lista Teórica de Exercícios Bloco 1 Assinalar se as afirmativas a seguir são verdadeiras V) ou falsas F) Exercício 1 Sobre o modelo
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 mais3. Considere o seguinte código executado no processador pipeline da figura abaixo.
UNIVERSIDADE FEDERAL FLUINENSE INSTITUTO DE COPUTAÇÃO DEPARTAENTO DE CIÊNCIA DA COPUTAÇÃO Arqitetras de Comptadores Trma :A Lista 2 Profa.: Simone artins. Indiqe como modificar o código abaio de modo qe
Leia maisResumo. O Problema da Atribuição de Tarefas pode ser traduzido para a Teoria dos Grafos da seguinte
Introdção à Teoria dos Grafos Bacharelado em Ciência da Comptação UFMS, 2005 PROBLEMA DA ATRIBUIÇÃO DE TAREFAS Resmo Existem mitas aplicações qe são modeladas em grafos e cja solção se vincla a algm tipo
Leia maisCapítulo 1 Introdução
Capítlo 1 Introdção Nas últimas décadas, o Método de Elementos Finitos tem sido ma das principais ferramentas da mecânica comptacional na representação dos mais diversos tipos de fenômenos físicos presentes
Leia maisLOCALIZAÇÃO TEMPO-FREQUÊNCIA: UMA DESCRIÇÃO DA ANÁLISE WAVELET EM TEMPO CONTÍNUO
LOCALIZAÇÃO TEMPO-FREQUÊNCIA: UMA DESCRIÇÃO DA ANÁLISE WAVELET EM TEMPO CONTÍNUO Hmberto Gimenes Macedo, Virginia Klasner de Oliveira, Francisco Carlos Rocha Fernandes, Carlos Henriqe Netto Lahoz Universidade
Leia maisCapítulo 4. Convecção Natural
Capítlo 4 Convecção Natral eitra e Exercícios (Incropera & DeWitt) 6ª Edição Seções: 9. a 9.9 Exercícios: Cap. 9 6, 9, 3, 8, 5, 7, 30, 36, 45, 58, 75, 88, 9, 94, 05, 0 5ª Edição Seções: 9. a 9.9 Exercícios:
Leia maisALBERT EINSTEIN INSTITUTO ISRAELITA DE ENSINO E PESQUISA CENTRO DE EDUCAÇÃO EM SAÚDE ABRAM SZAJMAN
ALBERT EINSTEIN INSTITUTO ISRAELITA DE ENSINO E PESQUISA CENTRO DE EDUCAÇÃO EM SAÚDE ABRAM SZAJMAN CURSO DE ESPECIALIZAÇÃO EM ENGENHARIA CLÍNICA DISCIPLINA: GESTÃO DE TECNOLOGIAS MÉDICAS TEMA:REGULAÇÃO
Leia maisMODELO GEOESTATÍSTICO DE PREVISÃO ESPAÇO-TEMPORAL: IMPLEMENTAÇÃO COMPUTACIONAL NO SOFTWARE R
! "#$ " %'&)(*&)+,.- /.*&4365879&4/:.+58;.*=?5.@A*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)*EOHJ&)(IHJ/)G.- D - ;./);.& Foz do Igaç, PR, Brasil, 9 a de otbro de 7 MODELO GEOESTATÍSTICO
Leia maisMatemática A. Versão 1. Na sua folha de respostas, indique de forma legível a versão do teste. Teste Intermédio de Matemática A.
Teste Intermédio de Matemática A Versão Teste Intermédio Matemática A Versão Dração do Teste: 90 mintos 9.0.0.º Ano de Escolaridade Decreto-Lei n.º 74/004, de 6 de Março Na sa folha de respostas, indiqe
Leia maisGuia RELACRE ESTIMATIVA DE INCERTEZA EM ENSAIOS MICROBIOLÓGICOS DE ÁGUAS
Gia RELACRE 9 ESTIMATIVA DE INCERTEZA EM ENSAIOS MICROBIOLÓGICOS DE ÁGUAS FICHA TÉCNICA TÍTULO: Gia RELACRE 9 Estimativa de Incerteza em Ensaios Microbiológicos de Ágas EDIÇÃO: RELACRE ISBN: 978-97-8574-43-7
Leia maisVERSÃO 1. Prova Escrita de Matemática A. 12.º Ano de Escolaridade. Prova 635/1.ª Fase. Braille. Duração da Prova: 150 minutos. Tolerância: 30 minutos.
EXAME NACIONAL DO ENSINO SECUNDÁRIO Decreto-Lei n.º 19/01, de 5 de jlho Prova Escrita de Matemática A 1.º Ano de Escolaridade Prova 65/1.ª Fase 11 Páginas Braille Dração da Prova: 150 mintos. Tolerância:
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 maisPROV O ENGENHARIA QUÍMICA. Questão nº 1. h = 0,1 m A. Padrão de Resposta Esperado: a) P AB = P A B. Sendo ρ água. >> ρ ar. Em B : P B. .
PRO O 00 Qestão nº ar A B h = 0, m A B a) P AB = P A B Sendo ρ ága >> ρ ar : Em B : P B = (ρ ága. g) h + P A P A B = P B P A =.000 x 9,8 x 0, = 980 Pa (valor:,5 pontos) b) P ar = P man = 0 4 Pa Em termos
Leia maisAnálise dos Principais Parâmetros Envolvidos na Previsão da Capacidade de Carga de Estacas Metálicas através de Fórmulas Dinâmicas
Análise dos Principais Parâmetros Envolvidos na Previsão da Capacidade de Carga de Estacas Metálicas através de Fórmlas Dinâmicas Daniela Saavedra Cenci Gradanda em Engenharia Civil, Universidade Federal
Leia mais4 RESULTADOS E DISCUSSÕES
RESULTADOS E DISCUSSÕES 76 4 RESULTADOS E DISCUSSÕES Através da determinação de ph em Ága, conforme ASTM D 1293 [3], as medições exectadas para este trabalho tiveram como objetivo a validação da metodologia.
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 maisEconometria para Avaliação de Políticas Públicas
Aula 5: Regressão com Descontinuidade Itaú Social 18/01/2016 Origem O Método Regressão Descontínua Thisthlewaite e Cook (1960) Estimar o impacto de um prémio por mérito no futuro desempenho acadêmico.
Leia maisCaminho de Dados e Unidade de Controle
O Processador: Caminho de Dados e Unidade de Controle Ivanildo iranda Octávio Agsto Deiroz path -> Caminho qe os dados e instrções percorre, de acordo com os sinais gerados pela nidade de controle Controle
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 maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisAnálise 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 mais05/08/2014. RM = (RB ± IM) unidade. Como usar as informações disponíveis sobre o processo de medição e escrever corretamente o resultado da medição?
6 Resltados de Medições Diretas Fndamentos da Metrologia Científica e Indstrial Slides do livrofmci Motivação definição do mensrando procedimento de medição resltado da medição condições ambientais operador
Leia maisCONVECÃO NATURAL. É o processo de transferência de calor induzido por forças gravitacionais, centrífugas ou de Coriolis.
CONVECÃO NAURA É o processo de transferência de calor indzido por forças gravitacionais, centrífgas o de Coriolis. A convecção natral ocorre na circlação atmosférica e oceânica, sistemas de refrigeração
Leia maisConceitos Fundamentais 1.1
Conceitos Fndamentais. Capítlo Conceitos Fndamentais. Introdção Um sólido deformável sob a acção de forças eternas, deformar-se-á e no sólido desenvolver-se-ão esforços internos. Estes esforços serão em
Leia maisUm estudo sobre retorno em escolaridade no Brasil
Universidade de Brasília - Economia - PET 21 de maio de 2012 Escolha do artigo Escolha do artigo Autores Problemas Econométricos Externalidades de capital humano. Retornos educacionais muito diferenciados
Leia mais3 Teoria de Ondas Marítimas
3 Teoria de Ondas Marítimas 3.1. Introdção Ondas do mar resltam da ação de forças sobre m flido de maneira a pertrbar o se estado inicial, isto é, deformá-lo. Estas forças são provocadas por diversos agentes
Leia maisMulticolinariedade e Autocorrelação
Multicolinariedade e Autocorrelação Introdução Em regressão múltipla, se não existe relação linear entre as variáveis preditoras, as variáveis são ortogonais. Na maioria das aplicações os regressores não
Leia maisGeração de cenários de energia renovável correlacionados com hidrologia: uma abordagem bayesiana multivariada.
Geração de cenários de energia renovável correlacionados com hidrologia: uma abordagem bayesiana multivariada [alessandro@psr-inc.com] Conteúdo Introdução Estimação não paramétrica (Kernel density) Transformação
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 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 maisAnálise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada
Aula 2 Regressão Linear Simples Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada Conceitos Gerais A análise de regressão é utilizada para explicar ou modelar a relação entre
Leia maisAULA 2 - Regressão: Fundamentos Conceituais
AULA 2 - Regressão: Fundamentos Conceituais Susan Schommer Econometria I - IE/UFRJ Em econometria, estamos em geral interessados em identificar (empiricamente) a relação funcional entre variáveis econômicas,
Leia maisEstudo do comportamento da análise isogeométrica para o problema de Hemker
Trabalho apresentado no CNMAC, Gramado - RS, 26. Proceeding Series of the Brazilian Society of Comptational and Applied Mathematics Estdo do comportamento da análise isogeométrica para o problema de Hemker
Leia maisCálculo Vetorial. Geometria Analítica e Álgebra Linear - MA Aula 04 - Vetores. Profa Dra Emília Marques Depto de Matemática
Cálclo Vetorial Estdaremos neste tópico as grandezas etoriais, sas operações, propriedades e aplicações. Este estdo se jstifica pelo fato de, na natreza, se apresentarem 2 tipo de grandezas, as escalares
Leia maisFernando Nogueira Programação Linear 1
rogramação Linear Fernando Nogeira rogramação Linear Eemplo Típico Uma padaria prodz olos I e II sendo qe cada olo consome m certa qantidade de açúcar farinha e ovo para ser prodzido conforme a taela:
Leia maisEconometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Leia maisRegressão Descontínua
Ténas Eonométras para Avalação de Impato Regressão esontína Glherme Issam Hrata Centro Internaonal de Pobreza (IPC/PNU) Brasíla, 11 de jnho de 2008. Introdção Estamos nteressados no efeto asal de sobre
Leia maisCálculo Diferencial e Integral I 1 o Teste - LEAN, MEAer, MEAmb, MEBiol, MEMec
Cálclo Diferencial e Integral I 1 o Teste - LEAN, MEAer, MEAmb, MEBiol, MEMec 14 de Abril de 011-11 horas I (8.0 val. 1. (1.0 val. Seja A R o conjnto solção da ineqação + ( 0. Escreva A como ma nião de
Leia maisPRIMITIVAS 1. INTRODUÇÃO
Material de apoio referente ao tópico: Integrais Módlo I. Adaptado de: Prof. Dr. José Donizetti Lima por Prof. Dra. Dayse Regina Batists.. INTRODUÇÃO PRIMITIVAS Em mitos problemas, embora a derivada de
Leia mais