Econometria com Linguagem R

Objetivos Capacitar o aluno a entender analisar e elaborar trabalhos empíricos simples na área de economia com base na teoria e métodos econométricos básicos Treinar os alunos na utilização das técnicas econométricas por meio de exercícios analíticos e aplicados com auxílio de computador Programa da Disciplina 1 Modelo de Regressão Simples 11 Introdução e revisão Gujarati Caps 1 2 Stock e Watson Cap 123 Hill Griffiths Lim e Judge Cap 1 111 Revisão de probabilidade estatística ver Apêndices Wooldridge e Gujarati 112 Dados econométricos dados de corte transversal séries dados em painel 113 Modelo de Regressão Constante Estimador MQO propriedades e inferência 114 Leitura e interpretação do pvalor 12 Modelo de Regressão Simples para dados de corte transversal GujaratiCaps 345 WooldridgeCap 12 Stock e Watson Cap 45Hill Griffiths Lim e Judge Cap 234 121 Estimadores MQO Variância da regressão Teorema de GaussMarkov 122 Coeficiente de determinação 123 Inferência teste de efeito significativo da explicativa 124 Teste significância da regressão teste de normalidade e homocedasticidade 13 Introdução à Regressão de Dados de Séries Temporais Stock e Watson Cap 12 Hill Judge Griffiths Cap 12 Gujarati Cap 21 22 131 Séries estacionárias Serie autoregressiva de primeira ordem 133 Teste de raiz unitária Cointegração e regressão espúria 2 Modelo de Regressão Múltipla Gujarati Cap 6789 Wooldridge Cap 3467 Stock e Watson Cap 678911Hill Griffiths Lim e Judge Cap 567 21 Hipóteses Fundamentais e o Teorema de Gauss Markov 22 Variação Explicada R² e R² ajustado Especificação Variância dos estimadores 23 Modelos com Efeitos Marginais Variáveis com Variáveis Dicotômicas Dummy 24 Teste de efeito individual significativo 25 Significância de restrições lineares dos efeitos significância da regressão 26 Testes de restrições lineares 01 23 Set 2ªf Introdução à Econometria Variável aleatória unidimensional Realização e Escalas de mensuração Modelos de Regressão Constante Simples Múltipla 02 25 Set 4ªf Método Mínimos Quadrados Ordinários em Modelos de Regressão Exemplos 03 27 Set 6ªf Estimadores e estimativas Exemplos com auxílio de computador 04 30 Set 2ªf Estimadores como variáveis aleatórias Propriedades 05 02 Out 4ªf Restrições nos resíduos graus de liberdade e variância da regressão 06 04 Out 6ªf Exemplos com auxílio de computador 06 07 Out 2ªf Inferência Testes de hipótese Exemplos 07 09 Out 4ªf Testes de Normalidade aplicações com auxílio de computador 08 11 Out 6ªf Interpretação do pvalor nos testes de hipóteses Exemplos com auxílio de computador 09 14 Out 2ªf Semana Acadêmica 10 16 Out 4ªf Semana Acadêmica 11 18 Out 6ªf Semana Acadêmica 12 21 Out 2ªf Regressão Simples Modelos com relação funcional nãolinear Interpretação 13 23 Out 4ªf Coeficiente de determinação propriedades e interpretações 14 25 Out 6ªf Análise dos resíduos Testes de Normalidade Teste 01 Q1 1 P29153 β2 i1 n PiQinPQ i1 n Pi 2n P 2 108514372650348 P 790714 03769 P1085143779071403769 2650348 87643 A afirmação é falsa a estimativa do preço médio do material semelhante é de 87643 dólares 2 β131804 β126503037698764359536 A afirmação é falsa a estimativa do intercepto no modelo é de 59536 3 R 200414 Cov PQ i1 n PiQin PQ n1 1085143748 87643 26503 47 06314 SP i1 n PiP 2 n1 790714 47 12971 SQ i1 n Q iQ 2 n1 1357324 4 7 16994 Cor PQ 06314 129711699402877 R 202877 200828 A afirmação é falsa o coeficiente de determinação é de 00828 isso significa que 828 da variação de Q é explicado pela variação de P Q2 1 Tamanho da amostra 2 Erro padrão e R2 do modelo 8 σ 172398 7142200491 SY029 Y iY 2 n1 029 Y iY 26005581SQT R 21 172398 600558109713 Isso significa que 9713 dos salários são explicados pelas variações dos retornos das ações no mercado 3 Somatório 128581872808421 ln markt 7142 ln markt258761267 Q3 1 MRLS O modelo estimado foi catholi4322910548 enrollIϵ i O coeficiente de determinação estimado foi de 01952 isso significa que 1952 da variação da taxa percentual da população em 2016 é explicada pela variação da taxa de estudantes matriculados na rede provada em 2016 2 Estimasse que uma variação de 26 milhares de dólares na renda per capita irá fazer o percentual de alunos matriculados na rede provada variar em 211 Ou seja para um aumento de 26 milhares de dólares de renda per capita isso leva a aumento de 211 na taxa de alunos matriculados na rede privada em 2016