Monitoria Sessão 6. Verônica Santana FEA-USP 10/05/2017
|
|
- Orlando Affonso
- 5 Há anos
- Visualizações:
Transcrição
1 Monitoria Sessão 6 Verônica Santana FEA-USP 10/05/ Testes de Especificação Retomando o modelo anterior ADA i = β 0 + β 1 ROA i + β 2 MT B i + β 3 SIZE i + β 4 LEV i + β 5 CF O i + β 6 LOSS i + u i onde supomos que a única variável endógena é LEV e usamos três instrumentos para ela: CreditSize e duas dummies para a origem legal. A estimação via 2SLS para este modelo resulta em: # Importanto a base dadosfull.csv: dados <- read.csv("dadosfull.csv", header=t, sep=";") # head(dados, 3) dados14 <- subset(dados, Year==2014) # Calculando os accruals discricionários: modacc <- lm(tacc ~ X1 + X2 + X3-1 + factor(industry), # Factor Industry é para incluir dummies de setor no cálculo dos accruals. # Este é um procedimento comum na literatura. # summary(modacc) # library(lmtest) # library(sandwich) # coeftest(modacc, vcov=vcovhc(modacc, "HC1")) dados14$ada <- abs(resid(modacc)) # Estimando o modelo de interesse via 2SLS: library(aer) modiv <- ivreg(ada ~ ROA + MTB + SIZE + LEV + CFO + LOSS ROA + MTB + SIZE + CFO + LOSS + CreditSize + Law, summary(modiv) Call: ivreg(formula = ADA ~ ROA + MTB + SIZE + LEV + CFO + LOSS ROA + MTB + SIZE + CFO + LOSS + CreditSize + Law, data = dados14, na.action = na.exclude) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) 2.218e e e-16 *** 1
2 ROA e e e-09 *** MTB e e SIZE e e ** LEV e e CFO 2.083e e LOSS 7.676e e *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: on 1380 degrees of freedom Multiple R-Squared: ,Adjusted R-squared: Wald test: on 6 and 1380 DF, p-value: < 2.2e-16 coeftest(modiv, vcov = vcovhc(modiv, "HC1")) #erros robustos t test of coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) e e e-09 *** ROA e e MTB e e SIZE e e ** LEV e e CFO e e LOSS e e ** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' Instrumentos Fracos Se os instrumentos têm fraca correlação com a variável endógena, a estimação via 2SLS pode ter propriedades fracas: os coeficientes podem ser muito enviesados mesmo em amostras grandes e a inferência pode ser distorcida porque as probabilidades dos testes não estarão corretas. Alguns procedimentos para testar se os instrumentos são fracos: 1. Analisar a estatística F do teste de significância conjunta dos instrumentos. Uma regra de bolso de Staiger and Stock (1997) 1 : uma estatística F do primeiro estágio menor que 10 indica instrumentos fracos. 2. Teste formal: weakiv no Stata. Checando a estatística F (versão robusta): # Primeiro Estágio: frststg <- lm(lev ~ ROA + MTB + SIZE + CFO + LOSS + CreditSize + factor(law), data=dados14, na.action = na.exclude) summary(frststg) 1 Staiger, D., & Stock, J. H. (1997). Instrumental Variables Regression with Weak Instruments. Econometrica: Journal of the Econometric Society,
3 Call: lm(formula = LEV ~ ROA + MTB + SIZE + CFO + LOSS + CreditSize + factor(law), Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) 4.610e e ROA e e MTB 5.079e e SIZE 2.197e e e-13 *** CFO e e LOSS 5.747e e *** CreditSize e e factor(law)frenchlaw 5.681e e ** factor(law)germanlaw e e Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: on 1391 degrees of freedom (245 observations deleted due to missingness) Multiple R-squared: ,Adjusted R-squared: F-statistic: on 8 and 1391 DF, p-value: < 2.2e-16 library(car) library(sandwich) # Vers~ao n~ao robusta linearhypothesis(frststg, c("factor(law)frenchlaw", "factor(law)germanlaw", "CreditSize")) Linear hypothesis test Hypothesis: factor(law)frenchlaw = 0 factor(law)germanlaw = 0 CreditSize = 0 Model 1: restricted model Model 2: LEV ~ ROA + MTB + SIZE + CFO + LOSS + CreditSize + factor(law) Res.Df RSS Df Sum of Sq F Pr(>F) e-05 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 # Vers~ao robusta linearhypothesis(frststg, c("factor(law)frenchlaw", "factor(law)germanlaw", "CreditSize"), vcov = vcovhc(frststg, "HC1")) Linear hypothesis test 3
4 Hypothesis: factor(law)frenchlaw = 0 factor(law)germanlaw = 0 CreditSize = 0 Model 1: restricted model Model 2: LEV ~ ROA + MTB + SIZE + CFO + LOSS + CreditSize + factor(law) Note: Coefficient covariance matrix supplied. Res.Df Df F Pr(>F) *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 A estatística F robusta é menor que a tradicional, e as duas são menores que 10. No R, o teste também pode ser implementado através da função ivreg2. Não é um pacote, mas uma função que pode ser carregada para ser usada. Para habilitar a função, é preciso abrir o script lecture-09-ivreg2-function.r e executá-lo, ou incluir o comando source no seu script (desde que o script da função esteja salvo no working directory): source("lecture-09-ivreg2-function.r") Em seguida, usamos o comando ivreg2 para executarmos o teste. dummies manualmente para incluir na função: No entanto, precisamos criar as dados14$frenchlaw <- ifelse(dados14$law=="frenchlaw", 1, 0) dados14$germanlaw <- ifelse(dados14$law=="germanlaw", 1, 0) # ivreg2(ada ~ ROA + MTB + SIZE + LEV + CFO + LOSS, endog="lev", iv=c("frenchlaw", "GermanLaw", "CreditSize"), data=na.omit(dados14))$weakidtest # É necessário colocar "na.omit()" ao definir a base de dado First Stage F-test [1,] Para o teste no Stata, veja o arquivo Lecture-09-IV.do. 1.2 Teste Durbin-Wu-Hausman para Endogeneidade Para executarmos o teste através do uso de regressões: 1. Obtemos os resíduos do primeiro estágio: dados14$res1 <- resid(frststg) 2. Os incluímos na regressão original via OLS, e testamos sua significância: 4
5 dwhtest <- lm(ada ~ ROA + MTB + SIZE + LEV + CFO + LOSS + res1, data=dados14, na.action = na.exclude) summary(dwhtest) Call: lm(formula = ADA ~ ROA + MTB + SIZE + LEV + CFO + LOSS + res1, Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) 2.202e e < 2e-16 *** ROA e e e-09 *** MTB 1.730e e SIZE e e ** LEV e e CFO 2.041e e LOSS 7.860e e *** res e e Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: on 1379 degrees of freedom (258 observations deleted due to missingness) Multiple R-squared: ,Adjusted R-squared: F-statistic: on 7 and 1379 DF, p-value: < 2.2e-16 coeftest(dwhtest, vcov=vcovhc(dwhtest, "HC1")) t test of coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) e e e-09 *** ROA e e MTB e e SIZE e e *** LEV e e CFO e e LOSS e e *** res e e Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Para executar o teste através da função ivreg2: ivreg2(ada ~ ROA + MTB + SIZE + LEV + CFO + LOSS, endog="lev", iv=c("frenchlaw", "GermanLaw", "CreditSize"), data=na.omit(dados14))$endogeneity Wu-Hausman F-test p-val [1,]
6 1.3 Teste de Restrições de Sobreidentificação Quanto temos mais de um instrumento para uma variável endógena, o modelo está sobreidentificado. Podemos testar se é válido usar múltiplos instrumentos, já que apenas um é necessário para a identificação. Fazendo o teste via regressão (Sargan, 1958): 1. Obter os resíduos da regressão via 2SLS: dados14$res2 <- resid(modiv) 2. Regredi-lo contra as variáveis exógenas: overid <- lm(res2 ~ ROA + MTB + SIZE + CFO + LOSS + FrenchLaw + GermanLaw + CreditSize, 3. Formando a estatística de teste NR 2 u: N <- nrow(na.omit(dados14)) # pegando o número de observaç~oes R2 <- summary(overid)$r.squared # pegando o R2 da regress~ao "overid" N*R2 # vendo a estatística de teste [1] pchisq(n*r2, 2, lower.tail = FALSE) # p-valor da estatística do teste [1] Onde o segundo argumento, 2, é o número de restrições de sobreidentificação. Fazendo o teste via a função ivreg2: ivreg2(ada ~ ROA + MTB + SIZE + LEV + CFO + LOSS, endog="lev", iv=c("frenchlaw", "GermanLaw", "CreditSize"), data=na.omit(dados14))$overid Sargan test of over-identifying restrictions p-val [1,] Teste para a Forma Funcional Teste RESET (Ramsey, 1969): 1. Modelo original via OLS: ols1 <- lm(ada ~ ROA + MTB + SIZE + LEV + CFO + LOSS, 2. Gerando versões exponenciais dos valores preditos de y na regressão anterior: 6
7 dados14$fit2 <- fitted(ols1)^2 dados14$fit3 <- fitted(ols1)^3 dados14$fit4 <- fitted(ols1)^4 3. Regressão para o teste RESET: ols2 <- lm(ada ~ ROA + MTB + SIZE + LEV + CFO + LOSS + fit2 + fit3 + fit4, 4. O teste (significância conjunta dos termos fit2, fit3 e fit4): linearhypothesis(ols2, test = "F", c("fit2", "fit3", "fit4")) Linear hypothesis test Hypothesis: fit2 = 0 fit3 = 0 fit4 = 0 Model 1: restricted model Model 2: ADA ~ ROA + MTB + SIZE + LEV + CFO + LOSS + fit2 + fit3 + fit4 Res.Df RSS Df Sum of Sq F Pr(>F) < 2.2e-16 *** --- Signif. codes: 0 '***' '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 7
Monitoria Sessão 4. Verônica Santana FEA-USP 25/04/2017
Monitoria Sessão 4 Verônica Santana FEA-USP 25/04/2017 1 Endogeneidade Por enquanto, focaremos nossa análise no ano de 2014. Importando os dados, selecionando as variáveis apenas para 2014 e calculando
Leia maisMonitoria Sessão 8. Verônica Santana FEA-USP 23/05/2017
Monitoria Sessão 8 Verônica Santana FEA-USP 23/05/2017 1 Modelos de Dados em Painel dados
Leia maisANOVA com modelos encaixados
ANOVA com modelos encaixados Motivação 1 Testar a significância de β j ( j = 0, 1,, p na presença das demais regressoras, usando o teste t, é trabalho, pois precisa de: ^β e ^Var (^β j = ^σ 2 j c ( j+1(
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia maisBIE5782. Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES
BIE5782 Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES ROTEIRO 1.Motivação 2. Método dos mínimos quadrados 3. Ajuste no R: função lm 4. Resultado no R: objeto lm 5. Premissas, interpretação e diagnóstico 6.
Leia maisb) Teste a hipótese de efeito significante do tamanho da população sobre a venda do produto, na presença de renda per capita
Exemplo 1 (continuação a Estime por intervalo de 95% de confiança, o aumento do número médio de lotes vendidos devido a 1000 pessoas a mais na população, mantendo a renda per capita fixa b Teste a hipótese
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 maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia 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 maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 7 Introducing statistical modeling Part 3 (Multivariable linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisGabarito Lista 2 LES0773 Estatística III. Os resultados dessa regressão são apresentados na seguinte tabela:
Gabarito Lista 2 LES0773 Estatística III Exercício 1) Utilizando a ferramenta Análise de Dados e a sua função Regressão, foi realizada uma regressão levando em consideração os gastos com PD como variável
Leia maisTestes de cointegração
Testes de cointegração Avaliando a existência de relação de conintegração entre séries temporais Wilson Freitas Quant Developer Recursos index.rmd 2/13 Teste de Engle & Granger (EG) Teste de Engle & Granger
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisPrecificação de apartamentos para o bairro Água Verde em Curitiba
Precificação de apartamentos para o bairro Água Verde em Curitiba Chuck Norris Arnold Schwarzenegger 18 de julho de 2013 O preço de imóveis depende principalmente do seu tamanho e localização. A infraestrutura
Leia maisME613 - Análise de Regressão
ME613 - Análise de Regressão Parte 2 Propriedades dos estimadores Samara F. Kiihl - IMECC - UNICAMP Suposições do modelo de regressão linear simples Suposições do modelo de regressão linear simples Até
Leia maisSegundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
Leia maisMRLM COM COVARIÁVEIS CATEGÓRICAS. criar uma variável dummy para representar uma categoria da variável. variável dummy: assume só dois valores: 0 ou 1
MRLM COM COVARIÁVEIS CATEGÓRICAS Como quantificar o efeito das categorias de uma variável sobre a resposta Y? (exemplo: efeito de sexo masculino/feminino sobre salário) criar uma variável dummy para representar
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 maisRegressão linear múltipla
Regressão linear múltipla Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução A regressão múltipla é uma generalização da regressão simples, visto que, há mais de uma variável explicativa
Leia maisAnálise de Carteiras usando o R - Parte 6
Análise de Carteiras usando o R - Parte 6 Bibliografia BKM, cap. 9 Claudio Lucinda FEA/USP Testando o CAPM Testando o CAPM Vamos nesta apresentação usar os dados dos fundos para repassar os testes do CAPM.
Leia maisTestes de raiz unitária
Testes de raiz unitária Avaliando estacionariedade em séries temporais financeiras Wilson Freitas Quant Developer Recursos index.rmd 2/20 Testes de Raiz Unitária Definição do teste de raiz unitária Existem
Leia maisAvaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados
Avaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados Walmes Marques Zeviani 1 Material e métodos O experimento foi instalado em casa de vegetação no Campus
Leia maisMonitoria Sessão 10. Verônica Santana FEA-USP 06/06/2017
Monitoria Sessão 10 Verônica Santana FEA-USP 06/06/2017 1 Regression Discontinuity Designs (RDD) A lógica dos Desenhos de Regressão Descontínua é que a imposição de limites (thresholds) para a determinação
Leia maisFACULDADE DE ECONOMIA DO PORTO. Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (ECON703)
FACULDADE DE ECONOMIA DO PORTO Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (ECON703) Exame Final 9 de Janeiro de 2006 NOTAS PRÉVIAS: 1. A prova tem três horas de duração. 2. Apenas é permitida
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
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 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 maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia maisAnálise de dados usando R - BE180
Análise de dados usando R - BE180 Mathias M Pires Uso do ambiente R para análise de dados Noções básicas O uso de métodos de programação proporciona uma série de facilidades para a análise de dados. Um
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 maisCE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 13 de setembro de 2018
CE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 13 de setembro de 2018 Examplo usando gamlssnp(): dados de cérebros de animais O tamanho do cérebro (brain) e peso corporal (body) foram registrados
Leia maisBIE5782 Uso da Linguagem R para Análise de Dados em Ecologia
BIE5782 Uso da Linguagem R para Análise de Dados em Ecologia Paulo Inácio Prado Rodrigo Santinelo Pereira Alexandre Adalardo de Oliveira Página: http://cmq.esalq.usp.br/wiki/doku.php?id=biometria:r-tutor:curso2008
Leia maisBIOESTATÍSTICA. Análise de regressão
BIOESTATÍSTICA Análise de regressão Análise de correlação Existe uma associação estatística entre duas variáveis? As duas variáveis são independentes ( ou seja, qual o grau da variação das duas juntas)?
Leia maisLista de Exercicios 3
Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 3 de junho de 2009 Lista de Exercicios 3 ANOVA. Regressão Linear Simples Exercício 77. Três diferentes bancos possuem agências de mesmo
Leia maisEconometria II. Aplicação de Variáveis Instrumentais (VI) STATA
Eco 2 monitoria Leandro Anazawa Econometria II Aplicação de Variáveis Instrumentais (VI) STATA Vamos utilizar uma base de dados com informações sobre condições de trabalho, educação e moradia. Os comandos
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final Época Normal 9 de Junho de 2006 1. A primeira parte da prova tem duração de 75 minutos
Leia maisRELACÃO DO CRIME EM CIDADES PEQUENAS COM CUSTO, IDADE E ANOS DE ESTUDO DE ESTADOS DA AMERICA DO NORTE
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística RELACÃO DO CRIME EM CIDADES PEQUENAS COM CUSTO, IDADE E ANOS DE ESTUDO DE ESTADOS DA AMERICA DO NORTE CE225 - Modelos
Leia maisGabarito Trabalho 2. Variable Coefficient Std. Error t-statistic Prob.
Gabarito Trabalho 2 1. Estimando o modelo Date: 06/10/10 Time: 04:00 Sample: 2003M01 2008M01 Included observations: 70 C -2.046423 5.356816-0.382022 0.7038 LN_IPC_BR 2.041714 1.150204 1.775089 0.0811 LN_IPC_AR
Leia maisFACULDADE DE ECONOMIA DO PORTO. Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (EC706)
FACULDADE DE ECONOMIA DO PORTO Curso de Mestrado em Economia MÉTODOS ECONOMÉTRICOS (EC706) Exame Final 10 de Janeiro de 2005 NOTAS PRÉVIAS: 1. A prova tem três horas de duração. 2. Apenas é permitida a
Leia maisEconometria Aplicada com uso do R
Econometria Aplicada com uso do R Alexandre Rodrigues Loures Universidade Federal da Paraíba Centro de Ciências Sociais Aplicadas Programa de Pós-Graduação em Economia 10 de maio de 2015 LOURES, A. R.
Leia maisAULA 17 - Variáveis binárias
AULA 17 - Variáveis binárias Susan Schommer Econometria I - IE/UFRJ Variáveis binárias A variável binária (ou dummy) é um simples exemplo de variável aleatória, o qual é chamada de função indicadora de
Leia maisAnálise de Regressão Linear no Pacote R
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Análise de Regressão Linear no Pacote R Gabriela Domingues do Amaral Vanessa Loureiro Silva Edna Afonso Reis
Leia maisMEDIÇÃO DA QUALIDADE DO VINHO BRANCO NORTE PORTUGUÊS
Universidade Federal do Paraná Departamento de Estatística MEDIÇÃO DA QUALIDADE DO VINHO BRANCO NORTE PORTUGUÊS CE225 - Modelos Lineares Generalizados Francielle Przibiciem de Mattos GRR20124686 Guilherme
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE Instituto de Matemática, Estatística e Física Programa de Pós-Graduação em Modelagem Computacional
UNIVERSIDADE FEDERAL DO RIO GRANDE Instituto de Matemática, Estatística e Física Programa de Pós-Graduação em Modelagem Computacional MINICURSO DE CORRELAÇÃO, REGRESSÃO LINEAR SIMPLES E ANOVA Ministrantes:
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisRegressão linear múltipla - Correlação parcial
Regressão linear múltipla - Correlação parcial trigo Matriz de correlações: trigo % matéria orgânica 40 103 32 1 58 192 45 28 50 300 39 5 72 420 46 11 61 510 34 14 69 630 38 2 63 820 32 12 % matéria orgânica
Leia maisCarga Horária: 80 horas (correspondem a aulas e atividades extra-classe)
Curso: Economia Disciplina: ECONOMETRIA Turma 4ECO Carga Horária: 80 horas (correspondem a aulas e atividades extra-classe) Período Letivo: 2014/1 Professor: Hedibert Freitas Lopes (www.hedibert.org) OBJETIVO:
Leia maisRELAÇÃO ENTRE EXPECTATIVA DE VIDA E CARACTERÍSTICAS DOS ESTADOS NORTE-AMERICANOS ENTRE OS ANOS DE 1969 E 1970
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística RELAÇÃO ENTRE EXPECTATIVA DE VIDA E CARACTERÍSTICAS DOS ESTADOS NORTE-AMERICANOS ENTRE OS ANOS DE 1969 E 1970 CE225 -
Leia maisTabela 1 - Teste de Dickey-Fuller para série log-preço futuro. Teste ADF 0, ,61% Tabela 2 - Teste de Dickey-Fuller para série log-preço à vista
32 5. Resultados 5.1. Séries Log-preço Para verificar se as séries logaritmo neperiano dos preços (log-preço) à vista e futuro e as séries logaritmo neperiano dos retornos (log-retorno) à vista e futuro
Leia mais1 AULA 3 - MODELO DE REGRESSÃO LINEAR
1 AULA 3 - MODELO DE REGRESSÃO LINEAR 1.1 Análise exploratória Fazer um modelo de regressão linear envolve modelar uma variável de desfecho contínua em função de uma ou mais variáveis explanatórias. Como
Leia maisUNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA. Maio 2018 Aula 7
1 UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA Maio 2018 Aula 7 Armando Manuel 09/29/2017 10. ECONOMETRIA DAS SERIES TEMPORAIS a) Processos Estocásticos b) A Cointegração c) A Previsão 1. Modelo Box
Leia maisElaboração e Delineamento de Projetos
Universidade Federal de Goiás Programa de Pós-Graduação em Ecologia e Evolução Elaboração e Delineamento de Projetos www.ecologia.ufrgs.br/~adrimelo/planejamento Prof. Adriano S. Melo asm.adrimelo no gmail.com
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 maisModelos de Regressão Múltipla - Parte VII
1 Modelos de Regressão Múltipla - Parte VII Erica Castilho Rodrigues 26 de Janeiro de 2016 2 3 Vimos como ajustar um modelo não linear fazendo transformações das variáveis, como, por exemplo Y = exp{β
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final 08 de Junho de 2005 1. A I Parte da prova tem duração de 90 minutos e é constituída
Leia 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 maisECONOMETRIA I. I (12 valores)
Faculdade de Economia Universidade Nova de Lisboa ECONOMETRIA I Exame de 2ª Época 26 de Janeiro de 2005 Duração: 2 horas I (12 valores) ATENÇÃO: Para as 10 primeiras questões deste grupo existem 4 opções
Leia maisRelatório do Experimento 1 Sistema Massa - Mola. Fernando Henrique Ferraz Pereira da Rosa
FEP0111 - Física I Relatório do Experimento 1 Sistema Massa - Mola Fernando Henrique Ferraz Pereira da Rosa 4 de novembro de 2005 Sumário 1 Introdução 2 2 Objetivos 2 3 Procedimento experimental 2 3.1
Leia maisModelos Lineares Generalizados
unificação metodológica Alexandre Adalardo de Oliveira PlanECO 2017 1 of 43 03/29/2017 11:47 AM Conceitos estrutura do erro preditora linear função de ligação 2 of 43 03/29/2017 11:47 AM Função de ligação
Leia maisUniversidade Católica Portuguesa Faculdade de Ciências Económicas e Empresariais. ESTATÍSTICA MULTIVARIADA 2º. Semestre 2006/07
Universidade Católica Portuguesa Faculdade de Ciências Económicas e Empresariais ESTATÍSTICA MULTIVARIADA 2º. Semestre 2006/07 28.Maio.2007 José Filipe Rafael I Um colega seu está a tentar explicar o salário
Leia maisANÁLISE ECONOMÉTRICA DO CONSUMO DE CARNE BOVINA NA REGIÃO METROPOLITANA DE BELÉM UTILIZADO O SOFTWARE EVIEWS 3.0.
ANÁLISE ECONOMÉTRICA DO CONSUMO DE CARNE BOVINA NA REGIÃO METROPOLITANA DE BELÉM UTILIZADO O SOFTWARE EVIEWS 3.0. Arnold Estephane Castro de Souza Aron Weber da Silva Pinheiro Elizabeth Cristina Silva
Leia maisAnálise de convergência de renda entre os municípios do Maranhão. Carlos Fernando Quartaroli
Análise de convergência de renda entre os municípios do Maranhão Carlos Fernando Quartaroli Convergência absoluta Se for encontrado um coeficiente beta menor do que zero, estatisticamente significativo,
Leia maisME613 - Análise de Regressão
ME613 - Análise de Regressão Parte 11 Critérios para Seleção de Modelos Samara F. Kiihl - IMECC - UNICAMP file:///users/imac/documents/github/me613-unicamp/me613-unicamp.github.io/aulas/slides/parte11/parte11.html#1
Leia maisVariáveis Dummy. y = b 0 + b 1 x 1 + b 2 x b k x k + u. Econometria II - Prof. Ricardo Freguglia
Variáveis Dummy y = b 0 + b 1 x 1 + b 2 x 2 +... b k x k + u 1 VARIÁVEIS DUMMY Variável dummy: variável que assume os valores 1 ou 0 Exemplos: masculino (= 1 se masculino, 0 caso contrário), sul (= 1 se
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisAMOSTRAGEM COMPLEXA. Bases de Dados IAN-AF Tutorial para análise ponderada recorrendo aos softwares SPSS e R
AMOSTRAGEM COMPLEXA Bases de Dados IAN-AF Tutorial para análise ponderada recorrendo aos softwares SPSS e R 1 Conteúdo Nota introdutória... 3 1. Software SPSS... 4 2. Software R... 16 Referências [1] R
Leia maisElaboração e Delineamento de Projetos
Universidade Federal de Goiás Programa de Pós-Graduação em Ecologia e Evolução Elaboração e Delineamento de Projetos www.ecoevol.ufg.br/adrimelo/planejamento Prof. Adriano S. Melo asm.adrimelo no gmail.com
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ FERNANDO PALU DE SOUZA KAITTER GARCIA RODRIGO ALVES SILVA
UNIVERSIDADE FEDERAL DO PARANÁ FERNANDO PALU DE SOUZA - 20149085 KAITTER GARCIA - 20149096 RODRIGO ALVES SILVA - 20170063 ANÁLISE DE REGRESSÃO LINEAR APLICADA A ESTIMAÇÃO DA TAXA DE MATERNIDADE NA ADOLESCÊNCIA
Leia maisNÚMERO DE INTERNAÇÕES E GASTOS COM AIHS COM A POPULAÇÃO IDOSA: um estudo de projeções na cidade de João Pessoa-PB.
NÚMERO DE INTERNAÇÕES E GASTOS COM AIHS COM A POPULAÇÃO IDOSA: um estudo de projeções na cidade de João Pessoa-PB. Elídio Vanzella (1) João Agnaldo do Nascimento (2) Sérgio Ribeiro dos Santos (3) (1) Faculdade
Leia maisMAE0325 - Séries Temporais
MAE0325 - Séries Temporais Fernando Henrique Ferraz Pereira da Rosa Vagner Aparecido Pedro Junior 26 de setembro de 2004 E7p80. Considere a série A (M-ICV): Lista 1 1 (a) teste a existência de tendência,
Leia maisFICHA DE COMPONENTE CURRICULAR
UNIVERSIDADE FEDERAL DE UBERLÂNDIA PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO FICHA DE COMPONENTE CURRICULAR CÓDIGO: FAGEN41037 COMPONENTE CURRICULAR: Tópicos Especiais IV em Gestão Organizacional e Regionalidade
Leia 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 maisR-Fácil. Regressão. Universidade Federal de Goiás Escola de Veterinária e Zootecnia
Universidade Federal de Goiás Escola de Veterinária e Zootecnia R-Fácil Regressão Apostila destinada a usuários do R, com demonstrações de uso de funções em exemplos da área de Ciências Agrárias. Goiânia
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 2, da disciplina LCE602 - Estatística
Leia maisSELEÇÃO DE VARIÁVEIS
SELEÇÃO DE VARIÁVEIS objetivo incluir tantas covariáveis quantas forem necessárias para auxiliar na predição do modelo? (1) buscar o menor subconjunto de covariáveis capaz de explicar adequadamente a variação
Leia maisEstimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios. Wooldridge, Cápítulo 15
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios Wooldridge, Cápítulo 5 Variáveis Instrumentais () 2 Variáveis Instrumentais Considere o seguinte modelo de regressão linear múltipla
Leia mais5.3 Experimentos fatoriais a dois fatores (Revisando...)
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores (Revisando...) Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores
Leia maisFaculdade de Economia da Universidade Agostinho Neto. Econometria. Paradigma de Trabalho Prático. Resolução. especimen. Grupo I
Faculdade de Economia da Universidade Agostinho Neto Econometria Paradigma de Trabalho Prático Questão 1 Resultados essenciais da Regressão Aonde: Resolução Grupo I IPTTMI ' % = 9.946MTJH30A % 10.395TJCHI
Leia 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 maisPor que estudar econometria? Passos para uma análise econômica empírica. Por que estudar econometria? Tipos de dados Cross Section
Por que estudar econometria? Inexistência de dados experimentais (experimentos controlados) em economia O que é Econometria? Necessidade de usar dados não experimentais, ou melhor, dados observados para
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final Época de Recurso 01 de Outubro de 2007 1. A I Parte da prova tem duração de 90 minutos
Leia maisAVALIAÇÃO E SELEÇÃO DE AJUSTES DE MODELOS DE REGRESSÃO LINEAR SIMPLES E MÚLTIPLA
UNIVERSIDADE FEDERAL DOS VALES DO JEQUITINHONHA E MUCURI FACULDADE DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ENGENHARIA FLORESTAL AVALIAÇÃO E SELEÇÃO DE AJUSTES DE MODELOS DE REGRESSÃO LINEAR SIMPLES E MÚLTIPLA
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 maisPaulo Jorge Silveira Ferreira. Princípios de Econometria
Paulo Jorge Silveira Ferreira Princípios de Econometria FICHA TÉCNICA TÍTULO: Princípios de Econometria AUTOR: Paulo Ferreira ISBN: 978-84-9916-654-4 DEPÓSITO LEGAL: M-15833-2010 IDIOMA: Português EDITOR:
Leia maisModelos de Escolha Discreta. a)pretende-se conhecer os coeficientes da função de utilidade, assim como a sua significância estatística.
Nº Observações espaço Lx centro espaço periferia nº clientes (15 min) centro Lx nº clientes (15 min) periferia estacionamento centro Lx estacionamento periferia tc rodo centro Lx tc rodo periferia Código
Leia maisPesquisa Quantitativa Regressão e Correlação Roteiro Geral Roteiro do Módulo Regressão e correlação
Pesquisa Quantitativa Regressão e Correlação Lupércio França Bessegato Mestrado em Administração/UFJF 1. Introdução 2. Coleta de dados Roteiro Geral 3. Modelos probabilísticos 4. Distribuições amostrais
Leia mais1 AULA 5 - REGRESSÃO LOGÍSTICA BINOMIAL
1 AULA 5 - REGRESSÃO LOGÍSTICA BINOMIAL 1.1 Tabela de contingência A base de dados que vamos utilizar são os dados do estudo caso-controle em que os casos foram mulheres com infertilidade e os controles,
Leia maisEXPLORANDO OS MODELOS LINEARES GENERALIZADOS APLICAÇÃO A DADOS DE UM PEQUENO SUPERMERCADO
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística EXPLORANDO OS MODELOS LINEARES GENERALIZADOS APLICAÇÃO A DADOS DE UM PEQUENO SUPERMERCADO CE225 - Modelos Lineares Generalizados
Leia maisLISTA 1. a) Ache o salário médio e o numero médio de anos de estudo da amostra. Qual é o desvio-padrão de educ?
LISTA 1 Curso: Economia 4ECO Disciplina: Econometria Período letivo: 2016/1 Professor: Hedibert Freitas Lopes - www.hedibert.org Monitora: Paloma Vaissman Uribe - PalomaVU@insper.edu.br Questão 1 Utilizando
Leia maisAula prática 4 Parte I - Correlação e regressão linear simples
Aula prática 4 Parte I - Correlação e regressão linear simples Para esta aula prática vamos trabalhar com dados de um estudo cujo objetivo foi verificar a associação entre atividade física, aptidão cardiorrespiratória
Leia maisUM ESTUDO COMPARATIVO DO USO DO MINITAB, SPSS E XL-STAT EM REGRESSÕES UTILZIANDO DADOS SOBRE LIBERDADE ECONÔMICA DE 157 PAÍSES NO CENÁRIO MUNDIAL
UM ESTUDO COMPARATIVO DO USO DO MINITAB, SPSS E XL-STAT EM REGRESSÕES UTILZIANDO DADOS SOBRE LIBERDADE ECONÔMICA DE 157 PAÍSES NO CENÁRIO MUNDIAL LOURENÇO AUGUSTO C. GRANATO PONTIFÍCIA UNIVERSIDADE CATÓLICA
Leia maisRegressão linear múltipla. Regressão linear múltipla
Regressão linear múltipla 35 R 2 = 61% Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo
Leia maisModelos de Escolha Discreta
Modelos de Escolha Discreta Exercício Resolvido 2 Uma empresa de expedição rápida de encomendas, que serve actualmente várias cidades do País, tem neste momento dois modos de funcionamento: O primeiro
Leia maisAula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS. *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC);
Aula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC); proc plan; factors blocos=3 ordered parcelas=9 ordered;
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 maisRegressão geograficamente ponderada (GWR): análise de fenômenos com
Regressão geograficamente ponderada (GWR): análise de fenômenos com Click to edit Master subtitle style heterogeneidade espacial Marcos Wellausen Dias de Freitas freitas@dsr.inpe.br Sumário Regressão linear
Leia maisAnálise de Variância e outras análises. Airlane P. Alencar
Análise de Variância e outras análises 2018 Airlane P. Alencar Introdução: Análise de Variância Caso particular do modelo de regressão: As variáveis explicativas são em geral, de natureza qualitativa (chamadas
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia mais