UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA

Documentos relacionados
UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA

UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA EXAME ESPECIAL

UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA

UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA

UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA

UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA GRADUAÇÃO EM GESTÃO PÚBLICA

AULA 01 Avaliação: conceito e especificidade

AULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012

AULAS 21 E 22 Análise de Regressão Múltipla: Estimação

RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

AULA 19 E 20 Análise de Regressão Múltipla: Problemas Adicionais

AULA 07 Regressão. Ernesto F. L. Amaral. 05 de outubro de 2013

AULAS 14 E 15 Modelo de regressão simples

AULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas

Introdução ao modelo de Regressão Linear

AULA 06 Correlação. Ernesto F. L. Amaral. 04 de outubro de 2013

AULAS 17 E 18 Análise de regressão múltipla: estimação

REGRESSÃO E CORRELAÇÃO

Prova de Estatística

Análise Multivariada Aplicada à Contabilidade

AULA 05 Teste de Hipótese

AULA 04 Teste de hipótese

AULAS 14 E 15 Modelo de regressão simples

AULA 09 Análise de regressão múltipla com informações qualitativas

Esse material foi extraído de Barbetta (2007 cap 13)

AULA 26 Análise de Regressão Múltipla: Problemas Adicionais

AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1

AULA 8 Experimentos multinomiais e tabelas de contingência

Os usuários selecionados terão de escolher uma das seguintes opções:

PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES

Regressão múltipla: Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida

Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)

Prova de Estatística

CORRELAÇÃO E REGRESSÃO

AULA 03 Análise de regressão múltipla: estimação

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

5 Avaliação dos estimadores propostos

Distribuição de Probabilidade de Poisson

Métodos Quantitativos para Avaliação de Políticas Públicas

AULA 11 Heteroscedasticidade

Regressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei

INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011.

CONHECIMENTOS ESPECÍFICOS

Regressão múltipla: problemas adicionais. Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida

AULAS 25 E 26 Heteroscedasticidade

AULAS 24 E 25 Análise de regressão múltipla: problemas adicionais

Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

Conceitos centrais em análise de dados

AULA 07 Análise de Regressão Múltipla: Problemas Adicionais

AULA 03 Estimativas e tamanhos amostrais

Análise de Regressão EST036

AULAS 20 E 21 Análise de regressão múltipla: problemas adicionais

Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.

Contabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento

Delineamento e Análise Experimental Aula 4

CONHECIMENTOS ESPECÍFICOS

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2

Estatística Aplicada II. } Regressão Linear

Bioestatística UNESP. Prof. Dr. Carlos Roberto Padovani Prof. Titular de Bioestatística IB-UNESP/Botucatu-SP

Análise de Regressão Linear Simples e

Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra

RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 2018

Estatística. Correlação e Regressão

Principais Conceitos em Estatística

5 Modelos de previsão

9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla

Análise de Regressão Múltipla: Mínimos Quadrados Ordinários

374_ABIN_DISC_011_01 CESPE CEBRASPE ABIN Aplicação: 2018 PROVA DISCURSIVA

CONHECIMENTOS ESPECÍFICOS

Aula 2 Uma breve revisão sobre modelos lineares

Modelos Bayesianos. Ernesto F. L. Amaral Magna M. Inácio

AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2

Módulo 16- Análise de Regressão

Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

MODELOS DE REGRESSÃO E DECOMPOSIÇÃO PARA DESCREVER O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA NO BRASIL ENTRE 1985 E 2013

Testes de Hipótese para uma única Amostra - parte I

Estatística Aplicada

7 Teste de Hipóteses

Modelos de Regressão Linear Simples parte I

Econometria. Regressão Linear Simples Lista de Exercícios

CONHECIMENTOS ESPECÍFICOS

Modelos de Regressão Linear Simples - parte I

Análise de regressão linear simples. Diagrama de dispersão

Análise Multivariada Aplicada à Contabilidade

Análise da Regressão. Prof. Dr. Alberto Franke (48)

Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.

Intervalos de Confiança - Amostras Pequenas

7 Testes de Robustez. 7.1 Efeito sobre os alunos não beneficiados

Universidade Federal de Mato Grosso - UFMT Probabilidade e Estatística

Medidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO

ANÁLISE DE REGRESSÃO

Transcrição:

1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação de Políticas Públicas (DCP046) Data: 03/07/2012 (terça-feira) Horário: 20:50 às 22:30 Local: FAFICH 2013 EXAME ESPECIAL GABARITO Esta prova avaliará o conhecimento apreendido em toda disciplina de Avaliação de Políticas Públicas (DCP046). A prova deve ser realizada individualmente e sem nenhum tipo de consulta. Se houver qualquer tipo de consulta ou cópia, o aluno receberá nota zero. É necessário escrever o nome completo na folha entregue ao professor. É permitido ao aluno ficar com esta folha. Reclamações quanto à correção da prova somente serão aceitas por escrito com argumentação. A prova deve ser realizada à caneta preta ou azul. Após a entrega da prova pelo primeiro aluno, nenhum outro aluno poderá entrar na sala para iniciar a prova. O penúltimo aluno a terminar a prova deve esperar que o último aluno finalize a avaliação, antes de entregar a prova. Indique se as 20 afirmações abaixo são verdadeiras ou falsas. Tanto nas indicações de respostas verdadeiras ou falsas, não é necessário explicar o porquê desta escolha. Entregar somente o cartão de respostas ao professor. Cada questão vale cinco pontos. Uma resposta errada contabilizará cinco pontos negativos. Questões deixadas em branco não são tidas como respostas erradas, já que simplesmente são ignoradas na contagem de pontos. 1. Validade exige que instrumentos meçam realmente o que se tenta medir. É o grau com que uma medida teórica reflete adequadamente o significado real do conceito abstrato. É a capacidade de refletir o conceito abstrato a que o indicador se propõe a substituir e operacionalizar. Diz respeito à proximidade entre indicador e indicando, propriedade fundamental para justificar o emprego e a denominação de uma medida qualquer. Validade exige que instrumentos meçam realmente o que se tenta medir. É o grau com que uma medida empírica reflete adequadamente o significado real do conceito abstrato. É a capacidade de refletir o conceito abstrato a que o indicador se propõe a substituir e operacionalizar. Diz respeito à proximidade entre indicador e indicando, propriedade fundamental para justificar o emprego e a denominação de uma medida qualquer. 2. Na avaliação de políticas públicas, a superestimação das metas pode fazer com que programas sejam considerados fracassados, mesmo que possam ter obtido êxito em outra perspectiva. Por sua vez, a subestimação das metas podem gerar avaliações muito positivas, porque formuladores foram cautelosos no estabelecimento de seus objetivos.

3. Programa é um empreendimento planejado que consiste num conjunto de atividades inter-relacionadas e coordenadas para alcançar objetivos específicos dentro dos limites de um orçamento e de um período de tempo dados. É a unidade mais operativa dentro do processo de planejamento e constitui o elo final de tal processo. Está orientado à produção de determinados bens ou a prestar serviços específicos. Projeto é um empreendimento planejado que consiste num conjunto de atividades inter-relacionadas e coordenadas para alcançar objetivos específicos dentro dos limites de um orçamento e de um período de tempo dados. É a unidade mais operativa dentro do processo de planejamento e constitui o elo final de tal processo. Está orientado à produção de determinados bens ou a prestar serviços específicos. Programa é um conjunto de projetos que possuem os mesmos objetivos. 4. Eficiência é utilizada predominantemente na análise financeira e está associada à noção de ótimo. Este se refere às quantidades físicas mínimas de recursos requeridos para gerar uma certa quantidade de produto, assumindo uma tecnologia constante. Quando é introduzido o custo dos insumos, se homogeneiza esta dimensão e se passa à consideração de eficiência. Eficiência (B) é igual ao produto de unidades de meta obtidas (L), tempo planejado para alcançar a meta total (Tp) e custo programado (Cp), dividido pelo produto entre unidades de meta programadas (M), tempo real para chegar ao resultado obtido (Tr) e custo real (Cr). 5. No processo de avaliação de políticas, objetivos de resultado procuram modificar a realidade através do impacto do projeto (explícitos). Objetivos de sistema se referem aos interesses específicos (sobrevivência organizacional e trabalhista; recursos humanos, financeiros e de poder) da organização encarregada do projeto (latentes). É preciso avaliar a real vigência dos objetivos declarados (sistema) para apreciar se correspondem aos verdadeiramente perseguidos (resultado). No processo de avaliação de políticas, objetivos de resultado procuram modificar a realidade através do impacto do projeto (explícitos). Objetivos de sistema se referem aos interesses específicos (sobrevivência organizacional e trabalhista; recursos humanos, financeiros e de poder) da organização encarregada do projeto (latentes). É preciso avaliar a real vigência dos objetivos declarados (resultado) para apreciar se correspondem aos verdadeiramente perseguidos (sistema). 6. A avaliação de impacto: (1) analisa se o projeto social funcionou ou não, descobrindo causas; (2) se dirige para fora, além do projeto. É útil para decidir sobre sua continuação, formular projetos futuros e tomar decisões sobre política; e (3) usuários são aqueles que têm capacidade de decidir sobre orientações mais gerais (autoridades). 7. População ou universo do projeto é o conjunto de pessoas, famílias ou organizações que sejam receptoras dos serviços ou bens dos projetos. Atributos ou características ou variáveis são as qualidades não observáveis na população do projeto. Os atributos variam em magnitude e sua expressão numérica é uma medida. Variáveis contínuas apresentam mudanças infinitesimais (peso, renda...). Variáveis discretas possuem mudanças abruptas (número de membros de uma família, nível de educação obtido...). População ou universo do projeto é o conjunto de pessoas, famílias ou organizações que sejam receptoras dos serviços ou bens dos projetos. Atributos ou características ou variáveis são as qualidades observáveis na população do projeto. Os atributos variam em magnitude e sua expressão numérica é uma medida. Variáveis contínuas apresentam mudanças infinitesimais (peso, renda...). Variáveis discretas possuem mudanças abruptas (número de membros de uma família, nível de educação obtido...). 2

8. Na avaliação ex-ante, procura-se descrever a realidade que o projeto pretende modificar e explicar. Mudanças previstas estão no momento anterior à implementação da pesquisa e requerem hipóteses sobre condições passadas. Na avaliação ex-post, características das unidades são descritas e causas de êxito do projeto são explicadas. Para explicar, deve-se utilizar teoria que dê significado aos fatos observados. São utilizadas teorias parciais ou hipóteses articuladas. Na avaliação ex-ante, procura-se descrever a realidade que o projeto pretende modificar e explicar. Mudanças previstas estão no futuro e requerem hipóteses sobre condições a serem produzidas. Na avaliação ex-post, características das unidades são descritas e causas de êxito do projeto são explicadas. Para explicar, deve-se utilizar teoria que dê significado aos fatos observados. São utilizadas teorias parciais ou hipóteses articuladas. 9. Na avaliação de políticas, o plano de análise tem como funções: (1) sintetizar a informação disponível em indicadores; (2) escolher os métodos e técnicas que permitam utilizar informação para alcançar resultados procurados; e (3) apreciar natureza dos indicadores e escalas aplicáveis aos mesmos (razão, intervalar, ordinal, nominal) e selecionar ferramentas estatísticas apropriadas. 10. Indicadores diretos traduzem a obtenção do objetivo específico em uma relação de implicação lógica. Por exemplo, se um objetivo específico for diminuir a taxa de repetência, esta definição é o indicador, o qual mostrará as variações percentuais que ocorreram na repetência dentro da população-alvo. Por sua vez, indicadores indiretos devem ser construídos. A relação entre indicador e meta é de caráter probabilístico e não de implicação lógica. É importante diminuir o número de indicadores de uma meta para conseguir medição adequada. Por exemplo, se um projeto tem como objetivo aumentar participação comunitária, os indicadores surgem das formas que a participação se expressa. Indicadores diretos traduzem a obtenção do objetivo específico em uma relação de implicação lógica. Por exemplo, se um objetivo específico for diminuir a taxa de repetência, esta definição é o indicador, o qual mostrará as variações percentuais que ocorreram na repetência dentro da população-alvo. Por sua vez, indicadores indiretos devem ser construídos. A relação entre indicador e meta é de caráter probabilístico e não de implicação lógica. É importante aumentar o número de indicadores de uma meta para conseguir medição adequada. Por exemplo, se um projeto tem como objetivo aumentar participação comunitária, os indicadores surgem das formas que a participação se expressa. 11. Numa avaliação de processos, são selecionados indicadores de produtos e de efeitos (resultados). É necessário lembrar que nem todos efeitos aparecem durante o período de execução do projeto, mas depois. A experiência de outras avaliações não mostra os tipos dos efeitos que são perceptíveis nas distintas etapas do projeto ou após seu término. Numa avaliação de impacto, são analisados resultados dos efeitos do projeto. Indicadores determinam grau de alcance dos fins últimos do projeto (direção, medida e razão do impacto). Numa avaliação de processos, são selecionados indicadores de produtos e de efeitos (resultados). É necessário lembrar que nem todos efeitos aparecem durante o período de execução do projeto, mas depois. A experiência de outras avaliações mostra os tipos dos efeitos que são perceptíveis nas distintas etapas do projeto ou após seu término. Numa avaliação de impacto, são analisados resultados dos efeitos do projeto. Indicadores determinam grau de alcance dos fins últimos do projeto (direção, medida e razão do impacto). 12. O R 2 ajustado auxilia na escolha de modelo sem variáveis independentes redundantes (modelos aninhados e não-aninhados). A estatística F permite testar somente modelos aninhados. 13. Ao aumentar o tamanho amostral de uma pesquisa, coletando informações de indivíduos com as mesmas características dos primeiros respondentes, a tendência será de aumento da significância estatística das variáveis independentes consideradas, já que há diminuição do erro padrão estimado destas variáveis, o que aumentará a estatística de teste t. Como o teste t mede quantos desvios-padrão estimados β j está afastado de zero, a consequência será uma menor probabilidade de não rejeição da hipótese nula. 3

14. Quando algumas variáveis independentes são binárias em um modelo de regressão linear múltipla, nada muda: (1) na mecânica do MQO; (2) na teoria estatística; e (3) na estatística de t. A interpretação do coeficiente das variáveis binárias muda. O coeficiente registra a diferença média em unidades da variável dependente entre o grupo incluído na regressão e o grupo de referência, dados os mesmos níveis das outras variáveis independentes. 15. Neste modelo de mínimos quadrados ordinários para explicação da renda em Reais [renda = 200 + 4*(idade) 0,05*(idade 2 )], a variável idade simples original foi inserida no modelo, além do quadrado da idade. Os resultados indicam que o efeito de idade sobre renda muda de direção aos 40 anos. ponto crítico = β 1 /(2β 2 ) = 4 / (2* 0,05) = 4 / 0,1 = 40 anos 16. Os coeficientes padronizados são estimados com a utilização de variáveis calculadas pela subtração das variáveis originais por sua média, divididas por seu desvio padrão. 17. O nome mínimos quadrados ordinários é utilizado porque as estimativas do intercepto e da inclinação minimizam a soma dos resíduos. O nome mínimos quadrados ordinários é utilizado porque as estimativas do intercepto e da inclinação minimizam a soma dos resíduos quadrados. 18. Se a variável independente é dividida por alguma constante diferente de zero (c), então os coeficientes de inclinação e do intercepto de MQO são multiplicados por c. Se uma variável independente é dividida por alguma constante diferente de zero (c), então o coeficiente de inclinação de MQO desta variável será multiplicado por c. 19. A estatística F para testar a exclusão de uma única variável é igual à raiz quadrada da estatística t correspondente. A estatística F para testar a exclusão de uma única variável é igual ao quadrado da estatística t correspondente. 20. O modelo de regressão linear múltipla com uma variável dependente binária é chamado de modelo de probabilidade linear (MPL), porque a probabilidade de resposta é linear nas variáveis independentes. O modelo de regressão linear múltipla com uma variável dependente binária é chamado de modelo de probabilidade linear (MPL), porque a probabilidade de resposta é linear nos parâmetros β j. 4

CARTÃO DE RESPOSTAS Exame Especial Disciplina: Avaliação de Políticas Públicas (DCP046) Data: 03/07/2012 (terça-feira) Nome completo: Assinale V para verdadeiro ou F para falso para cada uma das questões abaixo: 5 1. 6. 11. 16. 2. 7. 12. 17. 3. 8. 13. 18. 4. 9. 14. 19. 5. 10. 15. 20.