| Conteúdo |
SUMÁRIO<br/>PREFÁCIO <br/>Introdução <br/>1.1 O QUE E ECONOMETRIA? <br/>1.2 POR QUE UMA DISCIPLINA SEPARADA? <br/>1.3 O MÉTODO ECONOMÉTRICO <br/>1. Exposição da teoria ou hipótese <br/>2. Especificação do modelo matemático da teoria <br/>3. Especificação do modelo estatístico ou econométrico <br/>4. Obtenção dos dados <br/>5. Estimação dos parâmetros do modelo econométrico <br/>6. Teste de hipóteses <br/>7, Projeção ou previsão <br/>8. Uso do modelo com fins de controle ou de política <br/>Escolha do modelo <br/>1.4 TIPOS DE ECONOMETRIA <br/>1.5 PRÉ-REQUISITOS MATEMÁTICOS E ESTATÍSTICOS <br/>1.6 O PAPEL DO COMPUTADOR <br/>1.7 SUGESTÕES PARA LEITURAS COMPLEMENTARES <br/><br/>PARTE I MODELOS DE REGRESSÃO COM UMA SÓ EQUAÇÃO<br/>1 A Natureza da Análise de Regressão <br/>1.1 ORIGEM HISTÓRICA DO TERMO REGRESSÃO <br/>1.2 A INTERPRETAÇÃO MODERNA DA REGRESSÃO <br/>Exemplos <br/>1.3 RELAÇÕES ESTATÍSTICAS VERSUS DETERMINÍSTICAS <br/>1.4 REGRESSÃO VERSUS CAUSAÇÃO <br/>1.5 REGRESSÃO VERSUS CORRELAÇÃO <br/>1.6 TERMINOLOGIA E NOTAÇÃO <br/>1.7 NATUREZA E FONTE DOS DADOS PARA A ANÁLISE ECONÔMICA<br/>Tipos dedados <br/>As fontes de dados <br/>A exatidão dos dados <br/>Uma nota sobre as escalas de medição das variáveis <br/>1.8 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>2 Análise de Regressão com Duas Variáveis: Algumas Ideias Básicas <br/>2.1 UM EXEMPLO HIPOTÉTICO <br/>2.2 CONCEITO DE FUNÇÃO DE REGRESSÃO POPULACIONAL (FRP) <br/>2.3 O SIGNIFICADO DO TERMO LINEAR <br/>Linearidade nas variáveis <br/>Linearidade nos parâmetros <br/>2.4 ESPECIFICAÇÃO ESTOCÁSTICA DA FRP <br/>2.5 O SIGNIFICADO DO TERMO DE ERRO ESTOCÁSTICO <br/>2.6 A FUNÇÃO DE REGRESSÃO AMOSTRAL (FRA) <br/>2.7 UM EXEMPLO ILUSTRATIVO <br/>2.8 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>3 Modelo de Regressão de Duas Variáveis: O Problema da Estimação<br/>3.1 MÉTODO DOS MÍNIMOS QUADRADOS ORDINÁRIOS <br/>3.2 O MODELO DE REGRESSÃO LINEAR CLÁSSICO: AS PREMISSAS SUBJACENTES AO MÉTODO DOS MÍNIMOS QUADRADOS <br/>Uma palavra a respeito dessas premissas <br/>3.3 PRECISÃO OU ERROS-PADRÃO DAS ESTIMATIVAS DE MÍNIMOS QUADRADOS<br/>3.4 PROPRIEDADES DOS ESTIMADORES DE MÍNIMOS QUADRADOS: O TEOREMA DE GAUSS-MARKOV <br/>3.5 O COEFICIENTE DE DETERMINAÇÃO r2: UMA MEDIDA DA "QUALIDADE DO AJUSTAMENTO"<br/>3.6 UM EXEMPLO NUMÉRICO <br/>3.7 EXEMPLOS ILUSTRATIVOS <br/>3.8 UMA NOTA SOBRE OS EXPERIMENTOS MONTE CARLO <br/>3.9 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 3A <br/>3A.1 DERIVAÇÃO DE ESTIMATIVAS DE MÍNIMOS QUADRADOS <br/>3A.2 LINEARIDADE E PROPRIEDADES DE NÃO TENDENCIOSIDADE DOS ESTIMADORES DE MÍNIMOS QUADRADO<br/>3A.3 VARIÂNCIAS E ERROS-PADRÃO DOS ESTIMADORES DE MÍNIMOS QUADRADOS <br/>3A.4 COVARIÂNCIA ENTRE B 1 e B 2<br/>3A.5 ESTIMADOR DE MÍNIMOS QUADRADOS DE Q2 <br/>3A.6 PROPRIEDADE DA VARIÂNCIA MÍNIMA DOS ESTIMADORES DE MÍNIMOS QUADRADOS <br/>3A.7 CONSISTÊNCIA DOS ESTIMADORES DE MÍNIMOS QUADRADOS <br/>4 Modelo Normal de Regressão Linear Clássico (MNRLC) <br/>4.1 A DISTRIBUIÇAO DE PROBABILIDADE DOS TERMOS DE ERRO ui <br/>4.2 A PREMISSA DE NORMALIDADE DE ui<br/>Por que a premissa de normalidade? <br/>4.3 PROPRIEDADES DOS ESTIMADORES DE MQO SOB A PREMISSA DE NORMALIDADE <br/>4.4 O MÉTODO DE MÁXIMA VEROSSIMILHANÇA <br/>4.5 RESUMO E CONCLUSÕES <br/>APÊNDICE 4A<br/>4A.1 ESTIMAÇÃO DE MÁXIMA VEROSSIMILHANÇA DE UM MODELO DE REGRESSÃO COM DUAS VARIÁVEIS <br/>4A.2 ESTIMAÇÃO DE MÁXIMA VEROSSIMILHANÇA DAS DESPESAS COM ALIMENTAÇÃO NA ÍNDIA <br/>EXERCÍCIOS <br/>5 A Regressão de Duas Variáveis: Estimação de Intervalo e Teste de Hipóteses <br/>5.1 PRÉ-REQUISITOS ESTATÍSTICOS <br/>5.2 ESTIMATIVA DE INTERVALO: ALGUMAS IDÉIAS BÁSICAS <br/>5.3 INTERVALOS DE CONFIANÇA PARA OS COEFICIENTES DE REGRESSÃO fil E P2 Intervalo de confiança para /2<br/>Intervalo de confiança para fJ <br/>Intervalos de confiança simultâneos para fi e f2 <br/>5.4 INTERVALO DE CONFIANÇA PARA a2 <br/>5.5 TESTE DE HIPÓTESES: COMENTÁRIOS GERAIS <br/>5.6 TESTE DE HIPÓTESES: A ABORDAGEM DO INTERVALO DE CONFIANÇA<br/>Teste bilateral ou bícaudal <br/>Teste unilateral ou unicaudal <br/>5.7 TESTE DE HIPÓTESES: A ABORDAGEM DO TESTE DE SIGNIFICÂNCIA <br/>Teste de significância dos coeficientes de regressão: o teste t <br/>Teste de significância para a2: o teste de qui-quadrado (x2) <br/>5.8 TESTE DE HIPÓTESES: ALGUNS ASPECTOS PRÁTICOS <br/>O sentido da "aceitação" ou "rejeição" de uma hipótese <br/>A hipótese nula "zero" e a regra prática "2-t" <br/>Elaboração das hipóteses nula e alternativa<br/>Escolha de a, o nível de significância<br/>O nível de significância exato: o valor p<br/>Significância estatística versus significância prática<br/>A escolha entre as abordagens do intervalo de confiança e do teste de significância no teste de hipóteses <br/>5.9 ANÁLISE DE REGRESSÃO E ANÁLISE DE VARIÂNCIA <br/>5.10 APLICAÇÃO DA ANÁLISE DE REGRESSÃO: O PROBLEMA DA PREVISÃO<br/>Previsão média <br/>Previsão individual <br/>5.11 A APRESENTAÇÃO DOS RESULTADOS DA ANÁLISE DE REGRESSÃO <br/>5.12 AVALIAÇÃO DOS RESULTADOS DA ANÁLISE DE REGRESSÃO <br/>Testes de normalidade <br/>Outros testes da adequação do modelo <br/>5.13 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 5A <br/>5A.1 DISTRIBUIÇÕES DE PROBABILIDADE RELACIONADAS À DISTRIBUIÇÃO NORMAL <br/>5A.2 DERIVAÇÃO DA EQUAÇÃO (5.3.2) <br/>5A.3 DERIVAÇÃO DA EQUAÇÃO (5.9.1) <br/>5A.4 DERIVAÇÃO OU DERIVAÇÕES DAS EQUAÇÕES (5.10.2) E (5.10.6) <br/>Variância da previsão média <br/>Variância da previsão individual <br/>6 Extensões do Modelo de Regressão Linear de Duas Variáveis <br/>6.1 A REGRESSAO QUE PASSA PELA ORIGEM <br/>Cálculo do r2 para modelos que passam pela origem <br/>6.2 ESCALAS E UNIDADES DE MEDIDA <br/>Uma palavra sobre a interpretação <br/>6.3 REGRESSÃO COM VARIÁVEIS PADRONIZADAS <br/>6.4 FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO <br/>6.5 COMO MEDIR A ELASTICIDADE: O MODELO LOG-LINEAR <br/>6.6 MODELOS SEMILOGARÍTMICOS: LOG-LIN E LIN-LOG <br/>Como medir a taxa de crescimento: o modelo log-lin <br/>O modelo Iin-Iog <br/>6.7 MODELOS RECÍPROCOS <br/>Modelo da hipérbole logarítmica ou modelo logarítmico recíproco <br/>6.8 A ESCOLHA DA FORMA FUNCIONAL <br/>6.9 NOTA SOBRE A NATUREZA DO TERMO DE ERRO ESTOCÁSTICO: TERMO ADITIVO <br/>VERSUS TERMO MULTIPLICATIVO<br/>6.10 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 6A <br/>6A.1 A DERIVAÇÀO DE ESTIMADORES DE MINIMOS QUADRADOS PARA REGRESSÕES QUE PASSAM PELA ORIGEM <br/>6A.2 DEMONSTRAÇÃO DE QUE UMA VARIÁVEL PADRONIZADA TEM MÉDIA ZERO E VARIÂNCIA IGUAL A UM <br/>7 Análise de Regressão Múltipla: O Problema da Estimação <br/>7.1 O MODELO DE TRÊS VARIÁVEIS: NOTAÇÃO E PREMISSAS <br/>7.2 INTERPRETAÇÃO DA EQUAÇÃO DE REGRESSÃO MÚLTIPLA <br/>7.3 O SIGNIFICADO DOS COEFICIENTES DE REGRESSÃO PARCIAIS <br/>7.4 ESTIMAÇÃO DOS COEFICIENTES PARCIAIS DE REGRESSÃO POR MEIO DOS MÉTODOS DE MÍNIMOS <br/>QUADRADOS ORDINÁRIOS E DA MÁXIMA VEROSSIMILHANÇA <br/>Estimadores de MQO <br/>Variâncias e erros-padrão dos estimadores de MQO <br/>Propriedades dos estimadores de MQO <br/>Estimadores de máxima verossimilhança <br/>7.5 O COEFICIENTE DE DETERMINAÇÃO MÚLTIPLO, R2, E O COEFICIENTE DE CORRELAÇÃO MÚLTIPLO, R <br/>7.6 EXEMPLO 7.1: A MORTALIDADE INFANTIL EM RELAÇÃO AO PNB PER CAPITA E À TAXA DE ALFABETIZAÇÃO FEMININA <br/>Regressão com variáveis padronizadas <br/>7.7 REGRESSÃO SIMPLES NO CONTEXTO DA REGRESSÃO MÚLTIPLA: UMA INTRODUÇÃO AO VIÉS DE ESPECIFICAÇÃO <br/>7.8 R2 E R2 AJUSTADO <br/>Comparação de dois valores de R2 <br/>Distribuição de R2 entre os regressores <br/>O "jogo" da maximização de P2<br/>7.9 EXEMPLO 7.3: A FUNÇÃO DE PRODUÇÃO COBB-DOUGLAS: MAIS SOBRE FORMAS FUNCIONAIS <br/>7.10 MODELOS DE REGRESSÃO POLINOMIAL<br/>7.11 COEFICIENTES DE CORRELAÇÃO PARCIAL <br/>Coeficientes de correlação simples e parcial: uma explicação <br/>Interpretação dos coeficientes de correlação simples e parcial <br/>7.12 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 7A <br/>7A1 DERIVAÇÃO DOS ESTIMADORES DE MQO DADOS NAS EQUAÇÕES (7.4.3) A (7.4.5) <br/>7A2 IGUALDADE DOS COEFICIENTES DE PNBpc EM (7.3.5) E (7.6.2) 197<br/>7A.3 DEDUÇÃO DA EQUAÇÃO (7.4.19) <br/>7A.4 ESTIMAÇÃO DE MÁXIMA VEROSSIMILHANÇA DO MODELO DE REGRESSÃO MÚLTIPLA <br/>7A.5 SAÍDA DO SAS PARA A FUNÇÃO DE PRODUÇÃO COBB-DOUGLAS (7.9.4)<br/>8 Análise de Regressão Múltipla: O Problema da Inferência <br/>8.1 OUTRA VEZ A HIPOTESE DA NORMALIDADE <br/>8.2 EXEMPLO 8.1: UMA VOLTA AO EXEMPLO DA MORTALIDADE INFANTIL <br/>8.3 TESTE DE HIPÓTESES NA REGRESSÃO MÚLTIPLA: COMENTÁRIOS GERAIS<br/>8.4 TESTE DE HIPÓTESES RELATIVO AOS COEFICIENTES DE REGRESSÃO INDIVIDUAIS <br/>8.5 TESTE DA SIGNIFICÂNCIA GERAL DA REGRESSÃO AMOSTRAL <br/>A abordagem da análise de variância para teste da significância geral de uma regressão múltipla observada: o teste F<br/>Verificação da significância geral de uma regressão múltipla: o teste F <br/>Uma relação importante entre R2 e F <br/>Teste da significância geral, em termos de R2, para uma regressão múltipla <br/>A contribuição 'incremental" ou "marginal" de uma variável explanatória <br/>8.6 TESTE DA IGUALDADE DE DOIS COEFICIENTES DE REGRESSÃO <br/>8.7 MÍNIMOS QUADRADOS RESTRITOS: TESTE DAS RESTRIÇÕES DE IGUALDADE LINEAR<br/>A abordagem do teste t<br/>A abordagem do teste F: minimos quadrados restritos <br/>Teste Fgeral <br/>8.8 TESTE DA ESTABILIDADE ESTRUTURAL OU DOS PARÂMETROS NOS MODELOS DE REGRESSÃO: <br/>O TESTE DE CHOW <br/>8.9 PREVISÃO COM REGRESSÃO MÚLTIPLA <br/>8.10 A TRINCA DOS TESTES DE HIPÓTESES: A RAZÃO DE VEROSSIMILHANÇA (QV), O TESTE DE <br/>WALD (W) E O MULTIPLICADOR DE LAGRANGE (ML) <br/>8.11 TESTE DA FORMA FUNCIONAL DA REGRESSÃO: ESCOLHA ENTRE MODELOS LINEARES E LOG-LINEARES <br/>8.12 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 8A <br/>9 Modelos de Regressão com Variáveis Binárias <br/>9.1 A NATUREZA DAS VARIAVEIS BINARIAS <br/>9.2 MODELOS ANOVA <br/>Cautela no uso de variáveis binárias <br/>9.3 MODELOS ANOVA COM DUAS VARIÁVEIS QUALITATIVAS <br/>9.4 REGRESSÕES COM VARIÁVEIS QUANTITATIVAS E QUALITATIVAS: OS MODELOS ANCOVA <br/>9.5 A VARIÁVEL BINÁRIA COMO ALTERNATIVA AO TESTE DE CHOW <br/>9.6EFEITOS DE INTERAÇÃO COM O USO DE VARIÁVEIS BINÁRIAS <br/>9.7 O EMPREGO DE VARIÁVEIS BINÁRIAS EM ANÁLISES SAZONAIS <br/>9.8 REGRESSÃO LINEAR SEGMENTADA <br/>9.9 MODELOS DE REGRESSÃO COM DADOS EM PAINEL <br/>9.10 ALGUNS ASPECTOS TÉCNICOS DO MODELO DE VARIÁVEIS BINÁRIAS <br/>A interpretação de variáveis binárias em regressões semilogarítmicas <br/>Variáveis binárias e heterocedasticidade <br/>Variáveis binárias e autocorrelação <br/>O que acontece se a variável dependente for uma variável binária? <br/>9.11 TÓPICOS AVANÇADOS <br/>9.12 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 9A <br/><br/>PARTE II RELAXAMENTO DAS PREMISSAS DO MODELO CLÁSSICO <br/>10 Multicolinearidade: O que Acontece se os Regressores são Correlacionados? <br/>10.1 A NATUREZA DA MULTICOLINEARIDADE <br/>10.2 ESTIMAÇÃO NA PRESENÇA DE MULTICOLINEARIDADE PERFEITA <br/>10.3 ESTIMAÇÃO NA PRESENÇA DE UMA MULTICOLINEARIDADE "ALTA", MAS "IMPERFEITA" <br/>10.4 MULTICOLINEARIDADE: MUITO BARULHO POR NADA? CONSEQÜÊNCIAS TEÓRICAS DA MULTICOLINEARIDADE <br/>10.5 CONSEQÜÊNCIAS PRÁTICAS DA MULTICOLINEARIDADE <br/>Grandes variâncias e covarlâncias dos estimadores de MQO <br/>Intervalos de confiança mais amplos <br/>Razões t "insignificantes" <br/>Alto valor de R2, mas menos razões t significativas <br/>Sensibilidade dos estimadores de MQO e seus erros-padrão a pequenas alterações nos dados <br/>Conseqüências da micronumerosidade <br/>10.6 UM EXEMPLO ILUSTRATIVO: DESPESAS DE CONSUMO EM RELAÇÃO À RENDA E À RIQUEZA <br/>10.7 DETECÇÃO DA MULTICOLINEARIDADE <br/>10.8 MEDIDAS CORRETIVAS <br/>Não fazer nada <br/>Procedimentos práticos <br/>10.9 A MULTICOLINEARIDADE É NECESSARIAMENTE ALGO RUIM? TALVEZ NÃO, SE O OBJETIVO FOR APENAS A PREVISÃO <br/>10.10 UM EXEMPLO AMPLIADO: OS DADOS DE LONGLEY <br/>10.11 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>11 Heterocedasticidade: O que Acontece se a Variância do Erro Não é Constante?<br/>11.1 A NATUREZA DA HETEROCEDASTICIDADE<br/>11.2 ESTIMAÇÃO DE MQO NA PRESENÇA DE HETEROCEDASTICIDADE <br/>11.3 O MÉTODO DOS MÍNIMOS QUADRADOS GENERALIZADOS (MQG) <br/>A diferença entre os MQO e os MQG <br/>11.4 CONSEQÜÊNCIAS DO USO DOS MQO NA PRESENÇA DA HETEROCEDASTICIDADE <br/>Estimativa de MQO levando em conta a heterocedasticidade <br/>Estimação de MQO sem levar em conta a heterocedasticidade<br/>Uma nota técnica <br/>11.5 DETECÇÃO DA HETEROCEDASTICIDADE<br/>Métodos informais<br/>Métodos formais<br/>11.6 PROVIDÊNCIAS CORRETIVAS<br/>Quando Q2 é conhecido: o método dos mínimos quadrados ponderados <br/>Quando a,2 não é conhecido <br/>11.7 EXEMPLOS FINAIS <br/>11.8 UMA ADVERTÊNCIA QUANTO A REAÇÕES EXAGERADAS EM FACE DA HETEROCEDASTICIDADE<br/>11.9 RESUMO E CONCLUSÕES<br/>EXERCÍCIOS <br/>APÊNDICE 11A <br/>11A.1 DEMONSTRAÇÃO DA EQUAÇÃO (11.2.2) <br/>11A.2 O MÉTODO DOS MÍNIMOS QUADRADOS PONDERADOS <br/>11A.3 DEMONSTRAÇÃO DE QUE E((Y2) * a2 QUANDO HÁ HETEROCEDASTICIDADE<br/>11A.4 OS ERROS-PADRÃO ROBUSTOS DE WHITE <br/>12 Autocorrelação: O que Acontece se os Termos de Erro são Correlacionados? <br/>12.1 A NATUREZA DO PROBLEMA <br/>12.2 ESTIMATIVA DE MQO NA PRESENÇA DE AUTOCORRELAÇÃO <br/>12.3 O ESTIMADOR BLUE NA PRESENÇA DE AUTOCORRELAÇÃO <br/>12.4 CONSEQÜÊNCIAS DO USO DOS MQO NA PRESENÇA DE AUTOCORRELAÇÃO<br/>Estimação por meio de MQO levando em conta a autocorrelação <br/>Estimação por meio de MQO sem levar em consideração a autocorrelação <br/>12.5 RELAÇÃO ENTRE SALÁRIOS E PRODUTIVIDADE NO SETOR EMPRESARIAL DOS ESTADOS UNIDOS, 1959-1998<br/>12.6 DETECÇÃO DA AUTOCORRELAÇÃO <br/>I. Método gráfico <br/>II. O teste das carreiras <br/>III. O teste de Durbin-Watson <br/>V. Um teste geral de autocorrelação: o teste de Breusch-Godfrey (BG) <br/>Por que tantos testes de autocorrelação? <br/>12.7 O QUE FAZER QUANDO ENCONTRAMOS AUTOCORRELAÇÃO: MEDIDAS CORRETIVAS<br/>12.8 ESPECIFICAÇÃO EQUIVOCADA DO MODELO VERSUS AUTOCORRELAÇÃO PURA <br/>12.9 CORREÇÃO DA AUTOCORRELAÇÃO (PURA): O MÉTODO DOS MÍNIMOS QUADRADOS <br/>GENERALIZADOS (MQG) <br/>Quando p é conhecido <br/>Quando p é desconhecido <br/>12.10 O MÉTODO DE NEWEY-WEST PARA CORREÇÃO DE ERROS-PADRÃO DE MQO <br/>12.11 MQO VERSUS FGLS E NEWEY-WEST <br/>12.12 PREVISÃO COM TERMOS DE ERRO AUTOCORRELACIONADOS <br/>12.13 OUTROS ASPECTOS DA AUTOCORRELAÇÃO <br/>Variáveis binárias e autocorrelação <br/>Modelos ARCH e GARCH <br/>Coexistência da autocorrelação e da heterocedasticidade <br/>12.14 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 12A <br/>12A.1 DEMONSTRAÇÃO DA AUTOCORRE LAÇÃO DO TERMO DE ERRO VEM (12.1.11) <br/>12A.2 DEMONSTRAÇÃO DAS EQUAÇÕES (12.2.3), (12.2.4) E (12.2.5)<br/>13 Modelagem Econométrica: Especificação do Modelo e Diagnósticos <br/>13,1 CRITÉRIOS DE SELEÇÃO DE MODELOS <br/>13.2 TIPOS DE ERROS DE ESPECIFICAÇÃO <br/>13.3 CONSEQÜÊNCIAS DOS ERROS DE ESPECIFICAÇÃO DO MODELO <br/>Omissão de uma variável relevante <br/>Inclusão de uma variável irrelevante <br/>13.4 DETECÇÃO DOS ERROS DE ESPECIFICAÇÃO <br/>Detecção da presença de variáveis desnecessárias <br/>Testes para verificar a omissão de variáveis e a forma funcional incorreta <br/>13.5 ERROS DE MEDIÇÃO <br/>Erros de medição da variável dependente Y<br/>Erros de medição na variável explanatória X <br/>13.6 ESPECIFICAÇÃO INCORRETA DO TERMO DE ERRO ESTOCÁSTICO <br/>13.7 MODELOS ANINHADOS VERSUS NÃO ANINHADOS <br/>13.8 TESTES DE HIPÓTESES NÃO ANINHADAS <br/>A abordagem discriminatória <br/>A abordagem discernente <br/>13.9 CRITÉRIOS PARA SELEÇÃO DE MODELOS <br/>O critério de R2 <br/>R2 Ajustado <br/>Critério de informação de Akaike (AIC) <br/>Critério de informação de Schwarz (SIC) <br/>O critério C de Mallow <br/>Uma advertência sobre os critérios de seleção de modelos <br/>Previsão de qui-quadrado (x2) <br/>13.10 TÓPICOS ADICIONAIS SOBRE MODELAGEM ECONOMÉTRICA <br/>Dados discrepantes, alavancagem e influência <br/>Mínimos quadrados recursivos <br/>Teste de falhas de previsão de Chow <br/>13.11 UM EXEMPLO CONCLUSIVO <br/>13.12 UMA PALAVRA PARA O PESQUISADOR <br/>13.13 SUMÁRIO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 13A <br/>13A.1 DEMONSTRAÇÃO DE E(bi 2) = f32 + /33b32 (EQUAÇÃO (13.3.3)) <br/>13A.2 CONSEQÜÊNCIAS DA INCLUSÃO DE UMA VARIÁVEL IRRELEVANTE: A PROPRIEDADE DE NÃO <br/>TENDENCIOSIDADE <br/>13A.3 DEMONSTRAÇÃO DA EQUAÇÃO (13510) <br/>13A.4 DEMONSTRAÇÃO DA EQUAÇÃO (13.6.2) <br/><br/>PARTE III TÓPICOS EM ECONOMETRIA <br/>14 Modelos de Regressão Não Lineares <br/>14.1 MODELOS DE REGRESSAO INTRINSECAMENTE LINEARES E NAO LINEARES<br/>14.2 ESTIMAÇÃO DOS MODELOS DE REGRESSÃO LINEARES E NÃO LINEARES <br/>14.3 ESTIMAÇÃO DE MODELOS DE REGRESSÃO NÃO LINEARES: O MÉTODO DA TENTATIVA E DO ERRO <br/>14.4 ALGORITMOS PARA A ESTIMAÇÃO DE MODELOS DE REGRESSÃO NÃO LINEARES <br/>Método da busca direta ou da tentativa e erro ou método livre-de-derivada <br/>Otimização direta <br/>Método da linearização iterativa <br/>14.5 EXEMPLOS ILUSTRATIVOS <br/>14.6 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 14A <br/>14A.1 DEDUÇÃO DAS EQUAÇÕES (14.2.4) E (14.2.5) <br/>14A.2 O MÉTODO DE LINEARIZAÇÃO <br/>14A.3 APROXIMAÇÃO LINEAR À FUNÇÃO EXPONENCIAL DADA EM (14.2.2)<br/>15 Modelos de escolha Qualitativa <br/>15.1 A NATUREZA DOS MODELOS DE ESCOLHA QUALITATIVA <br/>15.2 O MODELO DE PROBABILIDADE LINEAR <br/>Ausência de normalidade dos termos de erro, ui <br/>Variâncias heterocedásticas dos termos de erro <br/>Impossibilidade de satisfazer O E(Y1 1 X) 1<br/>O valor de R2 como medida de qualidade do ajustamento é questionável<br/>15.3 APLICAÇÕES DO MODELO DE PROBABILIDADE LINEAR <br/>15.4 ALTERNATIVAS AO MODELO DE PROBABILIDADE LINEAR <br/>15.5 O MODELO LOGIT <br/>15.6 ESTIMAÇÃO DO MODELO LOGIT <br/>Dados em nível individual <br/>Dados agrupados ou replicados <br/>15.7 O MODELO LOGIT AGRUPADO (GLOGIT): UM EXEMPLO NUMÉRICO<br/>Interpretação do modelo logit estimado <br/>15.8 O MODELO LOGIT PARA DADOS NÃO AGRUPADOS OU INDIVIDUAIS <br/>15.9 O MODELO PROBIT <br/>Estimação do probit com dados agrupados: gprobit <br/>O modelo probit para dados individuais ou não agrupados <br/>Efeito marginal de uma variação unitária no valor de um regressor nos vários modelos de regressão <br/>15.10 OS MODELOS LOGIT E PROBIT <br/>15.11 O MODELO TOBIT <br/>Ilustração do modelo Tobit: modelo dos casos extraconjugais de Ray Fair <br/>15.12 MODELAGEM DE DADOS CONTÁVEIS: O MODELO DE REGRESSÃO DE POISSON <br/>15.13 OUTROS TÓPICOS RELATIVOS AOS MODELOS DE ESCOLHA QUALITATIVA<br/>Modelos logit e probit ordinais <br/>Modelos logit e probit multinomiais <br/>Modelos de duração <br/>15.14 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS 504<br/>APÊNDICE 15 A<br/>15A.1 ESTIMATIVA DE MÁXIMA VEROSSIMILHANÇA DOS MODELOS LOGIT E PROBIT NO CASO DE DADOS <br/>INDIVIDUAIS (NÃO AGRUPADOS)<br/>16 Modelos de Regressão com Dados em Painel <br/>16.1 POR QUE DADOS EM PAINEL? <br/>16.2 DADOS EM PAINEL: UM EXEMPLO <br/>16.3 ESTIMAÇÃO DE MODELOS DE REGRESSÃO COM DADOS EM PAINEL: A ABORDAGEM DOS <br/>EFEITOS FIXOS<br/>1. Todos os coeficientes são constantes ao longo do tempo e entre indivíduos <br/>2. Os coeficientes angulares são constantes, mas o intercepto varia entre os indivíduos:<br/>o modelo de regressão de efeitos fixos ou a variável binária de mínimos quadrados<br/>3. Os coeficientes angulares são constantes, mas o intercepto varia com os indivíduos <br/>e com o tempo<br/>4. Todos os coeficientes variam entre indivíduos <br/>16.4 ESTIMAÇÃO DE MODELOS DE REGRESSÃO COM DADOS EM PAINEL: A ABORDAGEM DOS EFEITOS <br/>ALEATÓRIOS<br/>16.5 OS MODELOS DE EFEITOS FIXOS VERSUS OS DE EFEITOS ALEATÓRIOS <br/>16.6 REGRESSÕES COM DADOS EM PAINEL: ALGUNS COMENTÁRIOS FINAIS <br/>16.7 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>17 Modelos Econométricos Dinâmicos: Modelos Auto-regressivos e com Defasagens Distribuídas <br/>17.1 O PAPEL DO "TEMPO" OU DA "DEFASAGEM" NA ECONOMIA <br/>17.2 A RAZÃO DAS DEFASAGENS <br/>17.3 ESTIMAÇÃO DOS MODELOS DE DEFASAGENS DISTRIBUÍDAS <br/>Estimação ad hoc de modelos de defasagens distribuídas <br/>17.4 A ABORDAGEM DE KOYCK AOS MODELOS DE DEFASAGENS DISTRIBUÍDAS<br/>A defasagem mediana <br/>A defasagem média <br/>17.5 RACIONALIZAÇÃO DO MODELO DE KOYCK: O MODELO DE EXPECTATIVAS ADAPTATIVAS <br/>17.6 OUTRA JUSTIFICATIVA DO MODELO DE KOYCK: O MODELO DE AJUSTAMENTO DE ESTOQUES OU DE AJUSTAMENTO PARCIAL <br/>17.7 COMBINAÇÃO DE MODELOS DE EXPECTATIVAS ADAPTATIVAS E DE AJUSTAMENTO PARCIAL <br/>17.8 ESTIMAÇÃO DE MODELOS AUTO-REGRESSIVOS <br/>17.9 O MÉTODO DAS VARIÁVEIS INSTRUMENTAIS <br/>17.10 DETECÇÃO DA AUTOCORRELAÇÃO NOS MODELOS AUTO-REGRESSIVOS: O TESTE h DE DURBIN <br/>17.11 UM EXEMPLO NUMÉRICO: A DEMANDA POR MOEDA NO CANADÁ, PRIMEIRO TRIMESTRE DE 1979 <br/>AO QUARTO TRIMESTRE DE 1988 <br/>17.12 EXEMPLOS ILUSTRATIVOS <br/>17.13 A ABORDAGEM DE ALMON AOS MODELOS DE DEFASAGENS DISTRIBUÍDAS: A DEFASAGEM <br/>DISTRIBUÍDA DE ALMON OU POLINOMIAL <br/>17.14 CAUSALIDADE EM ECONOMIA: O TESTE DE CAUSALIDADE DE GRANGER <br/>O teste de Granger <br/>Uma nota sobre causalidade e exogeneidade <br/>17.15 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 17A <br/>17A.1 O TESTE DE SARGAN PARA A VALIDADE DOS INSTRUMENTOS <br/><br/>PARTE IV MODELOS DE EQUAÇÕES SIMULTÂNEAS <br/>18 Modelos de Equações Simultâneas <br/>18.1 A NATUREZA DOS MODELOS DE EQUAÇÕES SIMULTÂNEAS <br/>18.2 EXEMPLOS DE MODELOS DE EQUAÇÕES SIMULTÂNEAS<br/>18.3 O VIÉS DAS EQUAÇÕES SIMULTÂNEAS: INCONSISTÊNCIA DOS ESTIMADORES DE MQO<br/>18.4 O VIÉS DAS EQUAÇÕES SIMULTÂNEAS: UM EXEMPLO NUMÉRICO <br/>18.5 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>19 O Problema da Identificação <br/>19.1 NOTAÇOES E DEFINIÇOES <br/>19.2 O PROBLEMA DA IDENTIFICAÇÃO <br/>Subidentificação <br/>Identificação exata <br/>Superidentificação <br/>19.3 REGRAS PARA A IDENTIFICAÇÃO <br/>A condição de ordem para identificação <br/>Condição de posto para identificação <br/>19.4 UM TESTE DE SIMULTANEIDADE <br/>O teste de especificação de Hausman <br/>19.5 TESTES DE EXOGENEIDADE <br/>RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>20 Métodos de Equações Simultâneas<br/>20.1 ABORDAGENS DA ESTIMAÇAO <br/>20.2 MODELOS RECURSIVOS E MÍNIMOS QUADRADOS ORDINÁRIOS <br/>20.3 ESTIMAÇÃO DE UMA EQUAÇÃO EXATAMENTE IDENTIFICADA: O MÉTODO DE MÍNIMOS <br/>QUADRADOS INDIRETOS (MQI)<br/>Um exemplo ilustrativo <br/>Propriedades dos estimadores de MQI <br/>20.4 ESTIMAÇÃO DE UMA EQUAÇÃO SUPERIDENTIFICADA: O MÉTODO DE MÍNIMOS QUADRADOS DE DOIS ESTÁGIOS (MQ2E) <br/>20.5MQ2E: UM EXEMPLO NUMÉRICO <br/>20.6 EXEMPLOS ILUSTRATIVOS <br/>20.7 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE 20A <br/>20A.1 TENDÊNCIA NOS ESTIMADORES DE MÍNIMOS QUADRADOS INDIRETOS<br/>20A.2 ESTIMAÇÃO DE ERROS-PADRÃO DE ESTIMADORES MQ2E <br/>21 Econometria de Séries Temporais: Alguns Conceitos Básicos <br/>21.1 EXAME DE ALGUMAS SERIES TEMPORAIS DA ECONOMIA DOS ESTADOS UNIDOS<br/>21.2 CONCEITOS-CHAVE <br/>21.3 PROCESSOS ESTOCÁSTICOS <br/>Processos estocásticos estacionários <br/>Processos estocásticos não-estacionários <br/>21.4 PROCESSO ESTOCÁSTICO DE RAIZ UNITÁRIA <br/>21.5 PROCESSOS ESTOCÁSTICOS DE TENDÊNCIA ESTACIONÁRIA E ESTACIONÁRIOS EM DIFERENÇAS <br/>21.6 PROCESSOS ESTOCÁSTICOS INTEGRADOS <br/>Propriedades das séries integradas <br/>21.7 O FENÔMENO DA REGRESSÃO ESPÚRIA <br/>21.8 TESTES DE ESTACIONARIEDADE <br/>1. Análise Gráfica <br/>2. Função de Autocorrelação e Correlograma <br/>Significância estatística dos coeficientes de autocorrelação <br/>21.9 O TESTE DA RAIZ UNITÁRIA <br/>O teste de Dickey-FuIIer aumentado <br/>Teste de significância de mais de um coeficiente: o teste F <br/>Os testes de raiz unitária de Phillips-Perron <br/>Uma crítica aos testes de raiz unitária <br/>21.10 TRANSFORMAÇÃO DE SÉRIES TEMPORAIS NÃO-ESTACIONÁRIAS 657<br/>Processos estacionários em diferenças <br/>Processo estacionário em tendência <br/>21.11 CO-INTEGRAÇÃO: REGRESSÃO DE UMA SÉRIE TEMPORAL COM RAIZ UNITÁRIA CONTRA OUTRA <br/>SÉRIE TEMPORAL COM RAIZ UNITÁRIA <br/>Teste de co-integração <br/>Co-integração e mecanismo de correção de erro <br/>21.12 ALGUMAS APLICAÇÕES ECONÔMICAS <br/>21.13 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>22 Econometria de Séries Temporais: Previsão <br/>22.1 ABORDAGENS A PREVISAO ECONOMICA <br/>Métodos de suavizamento exponencial <br/>Modelos de regressão com uma única equação <br/>Modelos de regressão com equações simultâneas <br/>Modelos ARIMA <br/>Modelos VAR <br/>22.2 MODELAGEM DE SÉRIES TEMPORAIS SEGUNDO OS MÉTODOS AUTO-REGRESSIVO, DAS MÉDIAS <br/>MÓVEIS E ARIMA<br/>Um processo auto-regressivo (AR) <br/>Um processo de média móvel (MA) <br/>Um processo auto-regressivo e de médias móveis (ARMA) <br/>Um processo auto-regressivo integrado e de médias móveis (ARIMA) <br/>22.3 O MÉTODO BOX—JENKINS <br/>22.4 IDENTIFICAÇÃO <br/>22.5 ESTIMAÇÃO DO MODELO ARIMA <br/>22.6 TESTES PARA DIAGNÓSTICO <br/>22.7 PREVISÕES <br/>22.8 OUTROS ASPECTOS DO MÉTODO BOX—JENKINS <br/>22.9 AUTO-REGRESSÃO VETORIAL (VAR) <br/>Estimação ou VAR <br/>Previsão com VAR <br/>VAR e causalidade <br/>Alguns problemas da modelagem VAR <br/>Uma aplicação da VAR: um modelo VAR da economia do Texas <br/>22.10 MEDINDO A VOLATILIDADE EM SÉRIES TEMPORAIS FINANCEIRAS: OS MODELOS ARCH E GARCH <br/>O que fazer quando ARCH está presente<br/>Uma palavra sobre o d de Durbin—Watson e o efeito ARCH <br/>Uma nota sobre o modelo GARCH <br/>22.11 EXEMPLOS FINAIS <br/>22.12 RESUMO E CONCLUSÕES 694<br/>EXERCÍCIOS <br/>Apêndice A Revisão de Alguns Conceitos de Estatística <br/>A.1 OPERADORES DE SOMATÓRIO E DE PRODUTO <br/>A.2 ESPAÇO AMOSTRAL, PONTOS AMOSTRAIS E EVENTOS <br/>A.3 PROBABILIDADE E VARIÁVEIS ALEATÓRIAS <br/>Probabilidade <br/>Variáveis aleatórias <br/>A.4 FUNÇAO DE DENSIDADE DE PROBABILIDADE (FDP) <br/>Função de densidade de probabilidade de uma variável aleatória discreta <br/>Função de densidade de probabilidade de uma variável aleatória contínua <br/>Funções de densidade de probabilidade conjunta <br/>Função de densidade de probabilidade marginal <br/>Independência estatística<br/>A.5 CARACTERÍSTICAS DAS DISTRIBUIÇÕES DE PROBABILIDADE <br/>Valor esperado <br/>Propriedades dos valores esperados<br/>Variância <br/>Propriedades da variância <br/>Covariância <br/>Propriedades da covariância <br/>Coeficiente de correlação <br/>Expectativa condicional e variância condicional <br/>Propriedades da expectativa condicional e da variância condicional<br/>Momentos de ordem superior das distribuições de probabilidade <br/>A.6 ALGUMAS DISTRIBUIÇÕES DE PROBABILIDADE TEÓRICAS IMPORTANTES<br/>Distribuição normal <br/>A distribuição x2 (qui-quadrado)<br/>Distribuição tde Student <br/>A distribuição F <br/>Distribuição binomial de Bernoulli <br/>Distribuição binomial <br/>A distribuição de Poisson<br/>A.7 INFERÊNCIA ESTATÍSTICA: ESTIMAÇÃO<br/>Estimação pontual <br/>Estimação intervalar <br/>Métodos de estimação<br/>Propriedades das amostras pequenas <br/>Propriedades das amostras grandes <br/>A.8 INFERÊNCIA ESTATÍSTICA: TESTE DE HIPÓTESES <br/>Abordagem do intervalo de confiança <br/>A abordagem do teste de significância <br/>REFERÊNCIAS <br/>Apêndice B Rudimentos de Álgebra Matricial <br/>B.1 DEFINIÇOES <br/>Matriz<br/>Vetor coluna <br/>Vetor linha <br/>Transposição <br/>Submatriz <br/>B.2 TIPOS DE MATRIZES <br/>Matriz quadrada <br/>Matriz diagonal <br/>Matriz escalar <br/>Matriz identidade ou unidade <br/>Matriz simétrica <br/>Matriz nula <br/>Vetor nulo <br/>Matrizes iguais <br/>B.3 OPERAÇÕES COM MATRIZES <br/>Soma de matrizes <br/>Subtração de matrizes <br/>Multiplicação escalar <br/>Multiplicação de matrizes <br/>Propriedades da multiplicação de matrizes <br/>Transposição de matrizes <br/>Inversão de matrizes <br/>B.4 DETERMINANTES <br/>Cálculo do determinante <br/>Propriedades dos determinantes <br/>Posto de uma matriz <br/>Menor <br/>Co-fator <br/>B.5 ACHANDO A INVERSA DE UMA MATRIZ QUADRADA <br/>B.6 DIFERENCIAÇÃO MATRICIAL <br/>REFERÊNCIAS <br/>Apêndice C A Abordagem Matricial para o Modelo de Regressão Linear <br/>C.1 O MODELO DE REGRESSÃO LINEAR COM k VARIÁVEL <br/>C.2 PREMISSAS DO MODELO DE REGRESSÃO LINEAR CLÁSSICO EM NOTAÇÃO MATRICIAL <br/>C.3 ESTIMATIVA POR MÍNIMOS QUADRADOS ORDINÁRIOS (MQO) <br/>Uma ilustração <br/>Matriz de variâncias e covariáncias de Propriedades do vetor de mínimos quadrados ordinários (MQO)<br/>C.4 O COEFICIENTE DE DETERMINAÇÃO R2 EM NOTAÇÃO MATRICIAL <br/>C.5 A MATRIZ DE CORRELAÇÕES <br/>C.6 TESTE DE HIPÓTESES SOBRE COEFICIENTES DE REGRESSÀO INDIVIDUAIS EM NOTAÇÃO MATRICIAL <br/>C.7 TESTES DE SIGNIFICÂNCIA GERAL DA REGRESSÃO: ANÁLISE DE VARIÂNCIA EM NOTAÇÃO <br/>MATRICIAL<br/>C.8 TESTE DE RESTRIÇÕES LINEARES: TESTE F GERAL USANDO NOTAÇÃO MATRICIAL <br/>C.9 PREVISÃO COM USO DE REGRESSÃO MÚLTIPLA: FORMULAÇÃO EM MATRIZES <br/>Previsão da média <br/>Variância da previsão da média<br/>Previsão individual<br/>Variância da previsão individual <br/>C10 RESUMO DA ABORDAGEM MATRICIAL: UM EXEMPLO ILUSTRATIVO <br/>C.11 MÍNIMOS QUADRADOS GENERALIZADOS (MQG) <br/>C.12 RESUMO E CONCLUSÕES <br/>EXERCÍCIOS <br/>APÊNDICE CA <br/>CA.1 DERIVAÇÃO DE k EQUAÇÕES NORMAIS OU SIMULTÂNEAS <br/>CA.2 DERIVAÇÃO MATRICIAL DE EQUAÇÕES NORMAIS <br/>CA.3 MATRIZ DE VARIÂNCIAS E COVARIÂNCIAS DE <br/>CA.4 PROPRIEDADE DE MELHOR ESTIMADOR LINEAR NÃO TENDENCIOSO DOS ESTIMADORES DE <br/>MÍNIMOS QUADRADOS ORDINÁRIOS<br/>Apêndice D Tabelas Estatísticas <br/>Apêndice E Dados Econômicos Na World Wide Web<br/>BIBLIOGRAFIA <br/>ÍNDICE REMISSIVO <br/><br/><br/> |
