Econometria básica/ (Registro n. 3295)

006 - Campo Fixo - Material Adicional
fixed length control field a|||||r|||| 00| 0
007 - Campo Fixo - Descrição Física
fixed length control field ta
008 - Campo de Tamanho Fixo
Campo fixo de controle local 210525b2011 bl d|||g |||| 00| 0 por u
020 ## - ISBN
ISBN 9788565308320
040 ## - Fonte da Catalogação
Fonte de catalogação BR-BrCADE
090 ## - Número de Chamada
Localização na estante 330.015195 G969e
Cutter G969e
100 10 - Autor
Autor GUJARATI, Damodar N.
245 10 - Titulo Principal
Título principal Econometria básica/
250 ## - Edição
Edição 5. ed.
260 ## - Local, Editora e Data
Cidade Porto Alegre:
Editora AMGH,
Data 2011.
300 ## - Descrição Física
Número de páginas 924 p.
500 ## - Notas Gerais
Notas gerais Tradução de Basic Econometrics. 5th edition.
505 ## - Conteúdo
Conteúdo Introdução<br/><br/>1.1O que é econometria? <br/>1,2Por que uma disciplina separada? <br/><br/>1.3A metodologia econométrica<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 para fins de controle ou de política <br/>escolha do modelo<br/> <br/>1.4.Tipos de econometria<br/>1.5.Pré-requisitos matemáticos e estatísticos <br/>1.6.papel do computador <br/>1.7Sugestões para leituras complementares <br/><br/>PARTE 1<br/>MODELOS DE REGRESSÃO COM EQUAÇÃO ÚNICA <br/><br/>CAPÍTULO 1<br/>A natureza da análise de regressão <br/><br/>1.1Origem histórica do termo regressão<br/>1.2A interpretação moderna da regressão <br/><br/>Exemplos<br/><br/>1.3Relações estatísticas versus determinísticas<br/>1.4Regressão versus causação<br/>1.5Regressão versus correlação<br/>1.6Terminologia e notação <br/>1.7Natureza e fonte dos dados para a análise econômica<br/><br/>Tipos de dados <br/>As fontes de dados<br/>A precisão dos dados<br/>Uma nota sobre as escalas de medição das variáveis <br/>Resumo e conclusões<br/>Exercícios<br/><br/>CAPITULO 2<br/>Análise de regressão com duas variáveis: algumas ideias básicas<br/><br/>2.1Um exemplo hipotético <br/>2.2Conceito de função de regressão populacional (FRP) <br/><br/>2.3O significado do termo linear<br/>Linearidade nas variáveis <br/>Linearidade nos parâmetros <br/><br/>2.4Especificação estocástica da FRP <br/>2.50 significado do termo "erro estocástico”<br/>2.6A função de regressão amostral (FRA) <br/>2.7Exemplos ilustrativos <br/>Resumo e conclusões<br/>Exercícios<br/><br/>CAPÍTULO 3<br/>Modelo de regressão de duas variáveis: o problema da estimação <br/><br/>3.1Método dos mínimos quadrados ordinários<br/>3.2O modelo clássico de regressão linear: as hipóteses subjacentes ao método dos mínimos quadrados um comentário a respeito dessas hipóteses<br/>3.3Precisão ou erros padrão das estimativas de mínimos quadrados<br/>3.4Propriedades dos estimadores de mínimos quadrados: o teorema de Gauss-Markov<br/>3.5O coeficiente de determinação r2: uma medida da "qualidade do ajustamento"<br/>3.6Um exemplo numérico <br/>3.7Exemplos ilustrativos <br/>3.8Uma nota sobre os experimentos de Monte Cano <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice3A<br/>3A.1Derivação dos estimadores de mínimos quadrados<br/>3A.2Propriedades de linearidade e não tendenciosidade dos estimadores de mínimos quadrados<br/>3A.3Variâncias e erros padrão dos estimadores de mínimos quadrados<br/>3A.4Covariância entre À <br/>3A.5Estimador de mínimos quadrados de 0.2<br/>3A.6Propriedade da variância mínima dos estimadores de mínimos quadrados <br/>3A.7Consistência dos estimadores de mínimos quadrados<br/><br/>CAPÍTULO 4<br/>Modelo clássico de regressão linear normal (MCRLN)<br/><br/>4.1A distribuição de probabilidade dos termos de erro u<br/>4.2A hipótese de normalidade de u,Por que utilizamos a hipótese de normalidade<br/>4.3Propriedades dos estimadores de MQO sob a hipótese de normalidade<br/>4.4O método da máxima verossimilhança (MV)<br/>Resumo e conclusões<br/><br/>Apêndice4A<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/><br/>CAPÍTULO 5<br/>A regressão de duas variáveis: estimação de intervalo e teste de hipóteses<br/><br/>5.1Pré-requisitos estatísticos <br/>5.2Estimativa de intervalo: algumas ideias básicas<br/><br/>5.3Intervalos de confiança para os coeficientes f3 e 82 da regressão <br/>Intervalo de confiança para P2 <br/>Intervalos de confiança simultâneos para B1 e B2 <br/><br/>5.4Intervalo de confiança para a2 132<br/>5.5Teste de hipóteses: comentários gerais<br/><br/>5.6Teste de hipóteses: a abordagem do intervalo de confiança <br/>Teste bilateral ou bicaudal <br/>Teste unilateral ou unicaudal<br/><br/>5.7Teste 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/><br/>5.8Teste de hipóteses: alguns aspectos práticos <br/>O sentido de "aceitar" ou "rejeitar" uma hipótese<br/>A hipótese nula zero' e a regra prática"2<br/>Elaboração das hipóteses nula e alternativa<br/>Escolhendo a, o nível de significância <br/>O nível de significância exalo: o valor p <br/>Significância estatística versus significância prática<br/>A escolha entre as abordagens do intervalo de confiança e do teste de signiflcáncia no teste de hipóteses<br/><br/>5.9Análise de regressão e análise de variância<br/>5.10Aplicação da análise de regressão: o problema da previsão<br/><br/>Previsão média<br/>Previsão individual <br/><br/>5.11A apresentação dos resultados da análise de regressão <br/>5.12Avaliando os resultados da análise de regressão <br/>Testes de normalidade<br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice5A <br/>5A.1Distribuições de probabilidade relacionadas à distribuição normal <br/>5A.2Derivação da equação (5.3.2) <br/>5A.3Derivação da equação (5.9. 1) <br/>5A.4Derivação das equações (5.10.2) e (5.10.6)<br/>Variância da previsão média.<br/>Variância da previsão individual<br/><br/>CAPÍTULO 6<br/>Extensões do modelo de regressão linear de duas variáveis <br/><br/>6.1A regressão que passa pela origem Cálculo do r2 para modelos que passam pela origem<br/>6.2Escalas e unidades de medida Uma palavra sobre a interpretação<br/>6.3Regressão com variáveis padronizadas <br/>6.4Formas funcionais dos modelos de regressão<br/>6.5Como medir a elasticidade: o modelo log-linear <br/><br/>6.6Modelos semilogarítmicos: log-lin e lin-log<br/>Como medir a taxa de crescimento: o modelo log-lin <br/>O modelo lin-log<br/><br/>6.7Modelos recíprocos<br/>Modelo da hipérbole logarítmica ou modelo recíproco logarítmico <br/><br/>6.8A escolha da forma funcional<br/>6.9Um comentário sobre a natureza do termo de erro estocástico: termo aditivo versus termo multiplicativo<br/><br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice6A<br/>6A.1 Derivação de estimadores de mínimos 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/>6A.3Logaritmos<br/>6A.4Fórmulas de taxa de crescimento.<br/>6A.5 O modelo de regressão Box-Cox<br/><br/>CAPÍTULO 7 <br/>Análise de regressão múltipla: o problema da estimação <br/><br/>7.1 O modelo de três variáveis: notação e hipóteses <br/>7.2 Interpretação da equação de regressão múltipla<br/>7.3 0 significado dos coeficientes parciais de regressão<br/> <br/>7.4 Estimação dos coeficientes parciais de regressão por meio dos métodos de mínimos quadrados ordinários e de 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/><br/>7.5O coeficiente de determinação múltiplo, R2, e o coeficiente de correlação múltiplo,<br/><br/>7.6Exemplo ilustrativo<br/>Regressão com variáveis padronizadas <br/>Impacto sobre a variável dependente da variação de uma unidade em mais de um regressor<br/><br/>7.7Regressão simples no contexto da regressão múltipla: uma introdução ao viés de especificação <br/><br/>7.8 R e R ajustado<br/>Comparação de dois valores de R2<br/>Distribuição de R2 entre os regressores <br/>O jogo "da maximização de R2<br/><br/>7.9A função de produção Cobb-Douglas: mais sobre formas funcionais<br/>7.10 Modelos de regressão polinomial<br/><br/>7.11 Coeficientes de correlação parcial<br/>Explicação de coeficientes de correlação simples e parcial <br/>Interpretação dos coeficientes de correlação simples e parcial<br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice7A<br/>7A.1 Derivação dos estimadores de MQO dados nas Equações (7.4.3) a (7.4.5)<br/>7A.2 Igualdade dos coeficientes de PNBpc em (7.3.5) e (7.6.2)<br/>7A.3 Derivação da Equação (7.4.19<br/>7A.4 Estimação de máxima verossimilhança do modelo de regressão múltipla<br/>7A.5 Tela do resultado do EViews para a função de produção Cobb-Douglas (7.9.4)<br/><br/>CAPÍTULO 8 <br/>Análise da regressão múltipla: o problema da inferência <br/><br/>8.1Novamente a hipótese da normalidade<br/>8.2Teste de hipóteses na regressão múltipla: comentários gerais<br/>8.3Testes de hipótese relativos aos coeficientes individuais de regressão <br/><br/>8.4Teste da significância geral da regressão amostral <br/>A abordagem da análise de variáncia para teste de signficáncia geral de uma regressão múltipla observada: O teste F<br/>Verificação da signficáncia geral de uma regressão múltipla: o teste F<br/>Umarelação importante entre R2 e F<br/>Teste de significância geral, em termos de R2, para uma regressão múltipla<br/>A contribuição "incremental" ou marginal' de uma variável explanatória <br/><br/>8.5Teste da igualdade para dois coeficientes de regressão<br/><br/>8.6Mínimos quadrados restritos: teste de restrições de igualdade linear <br/>A abordagem do teste r<br/>A abordagem do teste F: mínimos quadrados restritos<br/>Teste F geral <br/><br/>8.7Teste da estabilidade estrutural ou dos parâmetros nos modelos de regressão: o teste de Chow<br/>8.8Previsão com regressão múltipla<br/>8.9A trinca dos testes de hipótese: a razão de verossimilhança (RV), o teste de Wald (W) e o <br/>Multiplicador de Lagrange(ML) <br/>8.10Teste da forma funcional da regressão: escolha entre modelos de regressão lineares e log-lineares <br/><br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice 8A: Teste da razão de verossimilhança (RV) <br/><br/>CAPÍTULO 9<br/>Modelos de regressão com variáveis binárias (dummies) <br/><br/>9.1A natureza das variáveis dummies <br/>9.2Modelos ANOVA <br/>Advertência quanto ao uso de variáveis dummies<br/>9.3Modelos ANOVA com duas variáveis qualitativas<br/>9.4Regressão com uma mistura de regressores quantitativos e qualitativos: os modelos ANCOVA <br/>9.5A Variável binária alternativa ao teste de Chow<br/>9.6Efeitos de interação usando variáveis dummies <br/>9.7O uso de variáveis dummies na análise sazonal <br/>9.8Regressão linear segmentada<br/>9.9Modelos de regressão com dados em painel <br/> <br/>9.10Alguns aspectos técnicos do modelo de variáveis dummies<br/>A interpretação de variáveis dummies em regressões semilogarítmicas <br/>Variáveis dummies e heterocedarticidade <br/>Variáveis binárias e aulocorrelação <br/>O que acontece se a variável dependente for uma variável dumrny? <br/><br/>9.11Tópicos para estudos avançados<br/>9.12Um exemplo para concluir <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice 9A: Regressão semilogarítimica com regressor binário<br/><br/>PARTE 2<br/>RELAXAMENTO DAS HIPÓTESES DO MODELO CLÁSSICO<br/> <br/>CAPÍTULO 10<br/>Multicolinearidade: o que acontece se os regressores estiverem correlacionados? <br/><br/>10.1A natureza da multicolinearidade <br/>10.2Estimação na presença de multicolinearidade perfeita<br/>10.3Estimação na presença de multicolinearidade "alta", mas "imperfeita<br/>10.4Multicolinearidade: muito barulho por nada? Consequências teóricas da multicolinearidade <br/><br/>10.5Consequências práticas da multicolinearidade<br/>Grandes variâncias e covariâncias dos estimadores de MQO <br/>Intervalos de confiança mais amplos<br/>Razões t "insignificantes" <br/>Alto valor de R2,mas poucas razões t significativas<br/>Sensibilidade dos estimadores de MQO e de seus erros padrão a pequenas alterações nos dados <br/>Consequências da micronumerosidade<br/><br/>10.6Um exemplo ilustrativo<br/>10.7Detecção da multicolinearidade<br/><br/>10.8Medidas corretivas<br/>Não fazer nada<br/>Procedimentos<br/><br/>10.9 A multicolinearidade é um mal necessário? Talvez não, se o objetivo for apenas a previsão<br/>10.10 Um exemplo ampliado: os dados de Longley <br/>Resumo e conclusões<br/>Exercícios<br/><br/>CAPÍTULO 11<br/>Heterocedasticidade: o que acontece se a variância do erro não é constante? <br/><br/>11.1A natureza da heterocedasticidade<br/>11.2 Estimativa dos MQO na presença da heterocedasticidade<br/><br/>11.3O método dos mínimos quadrados generalizados (MQG)<br/>Diferença entre os MQO e os MQG <br/><br/>11.4Consequências de usar MQO na presença de heterocedasticidade<br/>Estimação de MQO admitindo-se a heterocedasticidade <br/>Estimação de MQO desconsiderando a heterocedasticidade <br/>Uma nota técnica<br/><br/>11.5Detecção da heterocedasticidade<br/>Métodos informais<br/>Métodos formais<br/>Teste de correlação por ordem de Spearman<br/>Teste geral de heterocedasticidade de White <br/><br/>11.6Medidas corretivas<br/>Quando o é conhecido:o método de mínimos quadrados ponderados<br/>Quando o não é conhecido <br/><br/>11.7Exemplos finais<br/>11.8Uma advertência sobre reações exageradas à heterocedasticidade <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice1 <br/>11A.1 Prova da Equação (ll.2.2) <br/>11 A.2 O método de mínimos quadrados ponderados <br/>11 A.3 Prova que E(2) ;É o2 na presença de heterocedasticidade<br/>11A.4 Erros padrão robustos de White<br/><br/>CAPÍTULO 12<br/>Autocorrelação: o que acontece se os termos de erro são correlacionados?<br/><br/>12.1A natureza do problema<br/>12.2Estimativa de MQO na presença de autocorrelação<br/>12.3O estimador BLUE na presença de autocorrelação<br/><br/>12.4Consequências do uso dos MQO na presença de autocorrelação<br/>Estimação por meio de MQO considerando a autocorrelação<br/>Estimação por meio de MQO não considerando a auiocorrelaçâo <br/><br/>12.5Relação entre salários e produtividade no setor empresarial dos Estados Unidos, 1960-2005<br/><br/>12.6Detecção de autocorrelação <br/>I.Método gráfico <br/>II.O teste das carreiras <br/>III.O teste d de Durbin- Waison <br/>IV.Um teste geral de autocorrelação: o teste de Breusch-Godfrev (BG) <br/>Por que tantos testes de autocorrelação? <br/><br/>12.7O que fazer ao deparar-se com a autocorrelação: medidas corretivas<br/>12.8Especificação equivocada do modelo versus autocorrelação pura<br/><br/>12.9Correção da autocorrelação (pura): o método dos mínimos quadrados generalizados (MQG) <br/>Quando p é conhecido <br/>Quando p não é conhecido <br/><br/>12.10 O método de Newey-West para corrigir os erros padrão do MQO <br/>12.11MQO versas MQGF e CHA <br/><br/>12.12Aspectos adicionais da autocorrelação <br/>Variáveis binárias e autocorrelação <br/>Modelos ARCH e GARC'H <br/>Coexistência de autocorreração e heterocedasticidade <br/><br/>12.13 Exemplo conclusivo <br/>Exercícios<br/><br/>Apêndice12A<br/>12A- 1Prova de que o erro no termo v, na equação (12.1 .11) está auto correlacionado <br/>12A.2 Prova das equações (12.2.3), (12.2.4) e (12.2.5) <br/><br/><br/>CAPÍTULO 13<br/>Modelagem econométrica: especificação de modelo e teste diagnóstico <br/><br/>13.1Critérios de seleção de modelos <br/>13.2Tipos de erros de especificação <br/><br/>13.3Consequências dos modelos com erros de especificação<br/>Omissão de uma variável relevante (subespec/lcação) <br/>Inclusão de uma variável irrelevante (sobre-especflcação) <br/><br/>13.4Testes dos erros de especificação<br/>Detectando a presença de variáveis desnecessárias<br/>Testes para omissão de variáveis e forma funcional incorreta <br/><br/>13.5Erros de medida <br/>Erros de medida da variável dependente Y<br/>Erros de medida na variável explanató ria X<br/> <br/>13.6Especificação incorreta do termo de erro estocástico<br/>13.7Modelos aninhados (nested) versus não aninhados (non-nested)<br/><br/>13.8Testes de hipóteses não aninhados (non-nested) <br/>A abordagem discriminatória <br/>A abordagem discernente<br/><br/>13.9Critérios para seleção de modelos <br/>O critério R2 <br/>R2 ajustado <br/>Critério de informação de Akaike (CIA) <br/>Critério de informação de Schwarz (CIS) <br/>Ocritério C de Mallows <br/>Uma advertência sobre os critérios de seleção de modelos <br/>Previsão qui-quadrado (x-') <br/><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/>Dados faltantes<br/><br/>13.11 Exemplos conclusivos <br/>1.Um modelo para determinação de salário por hora <br/>2. Função de consumo real para os Estados Unidos,1947-2000 <br/><br/>13.12 Erros não normais e regressores estocásticos <br/>1. O que acontece se o termo de erro não tem distribuição normal? <br/>2.Variáveis explanatórias eslocáslicas <br/><br/>13.13 Uma palavra ao pesquisador <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndicel3A <br/>13A.1 A prova de que E(b12)=2+$3b32 <br/>13A.2 Consequências de incluir uma variável irrelevante: a propriedade de não tendenciosidade <br/>13A.3A prova da equação (13.5.lO) <br/>13A.4 Aprova da equação (13.6.2) <br/><br/>PARTE 3<br/>TÓPICOS EM ECONOMETRIA <br/><br/>CAPÍTULO 14<br/>Modelos de regressão não linear<br/><br/>14.1Modelos de regressão intrinsecamente linear e não linear<br/>14.2Estimação dos modelos de regressão linear e não linear<br/>14.3 Estimação de modelos de regressão não linear: o método da tentativa e erro <br/><br/>14.4 Abordagens para estimar modelos de regressão não linear (MRNL)<br/>Método da busca direta ou da tentativa e erro ou método livre de derivada<br/>Otimização direta<br/>Método da linearização iterativa <br/><br/>14.5Exemplos ilustrativos <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice14A<br/>14A.1 Derivação de 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/><br/>CAPÍTULO 15<br/>Modelos de regressão de resposta qualitativa <br/><br/>15.1A natureza dos modelos de resposta qualitativa<br/> <br/>15.2O modelo de probabilidade linear (MPL) <br/>Ausência de normalidade dos termos de erro u <br/>Variâncias heterocedásticas dos termos de erro <br/>Impossibilidade de satisfazer O < E(Y, 1 X,) <br/>O valor de R2 como medida de qualidade do ajustamento é questionável<br/><br/>15.3Aplicações do modelo de probabilidade linear (MPL<br/>15.4 Alternativas ao MPL<br/>15.5O modelo logit <br/><br/>15.6.Estimação do modelo logit<br/>Dados individuais <br/>Dados agrupados ou replicados<br/><br/>15.7O modelo logit agrupado (Glogit): um exemplo numérico <br/>Interpretação do modelo logit estimado <br/>15.8O modelo logit para dados não agrupados ou individuais<br/><br/>15.9O modelo probit<br/>Estimação do probit com dados agrupados: gprobit <br/>O modelo probit para dados não agrupados ou individuais <br/>O efeito marginal de uma variação unitária no valor de um regressor nos vários modelos de regressão<br/><br/>15.10 Modelos logit e probit<br/><br/>15.11 O modelo tobit <br/>Ilustração do modelo tobit: o modelo de Ray Fair de casos extraconjugais<br/><br/>15.12 Modelagem de dados contáveis: o modelo de regressão de Poisson<br/><br/>15.13 Outros tópicos sobre modelos de escolha qualitativa <br/>Modelos logit e probit ordinais<br/>Modelos logil e probit multinomiais <br/>Modelos de duração <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice15A<br/>15A.1 Estimativa da máxima verossimilhança dos modelos logit e probit para dados individuais <br/>(não agrupados)<br/><br/>CAPÍTULO 16<br/>Modelos de regressão com dados em painel <br/><br/>16.1Por que dados em painel? <br/>16.2Dados em painel: um exemplo ilustrativo <br/><br/>16.3 Modelo de regressão MQO para dados empilhados ou modelo de coeficientes constantes<br/>14.4O modelo de mínimos quadrados com variáveis dummy para efeitos fixos (MQVD)<br/>advertência quanto ao uso do modelo de efeito fixos<br/><br/>16.50 estimador de efeito fixo dentro do grupo (DG) <br/><br/>16.6O modelo de efeitos aleatórios (MEA) <br/>Teste do multiplicador de Lagrange de Breusch e Pagan <br/><br/>16.7Propriedades de vários estimadores<br/>16.8 Modelo de efeitos fixos versus modelo de efeitos aleatórios: algumas orientações <br/>16.9Regressão de dados em painel: alguns comentários conclusivos <br/>16.10 Alguns exemplos ilustrativos<br/>Resumo e conclusões<br/>Exercícios<br/><br/>CAPÍTULO 17<br/>Modelos econométricos dinâmicos: modelos autorregressivos e com defasagens distribuídas <br/><br/>17.1O papel do "tempo" ou "defasagem" em economia<br/>17.2A razão das defasagens <br/><br/>17.3 Estimação de modelos com defasagens distribuídas<br/>Estimação ad hoc dos modelos de defasagens distribuídas<br/><br/>17.4A abordagem de Koyck dos modelos de defasagens distribuídas<br/>A defasagem mediana<br/>A defasagem média<br/><br/>17.5 Racionalização do modelo de Koyck: o modelo de expectativas adaptativas<br/>17.6Outra justificativa do modelo de Koyck: o modelo de ajuste de estoques ou de ajustamento parcial <br/>17.7Combinação dos modelos de expectativas adaptativas e de ajustamento parcial <br/>17.8Estimação dos modelos autorregressivos <br/>17.9O método de variáveis instrumentais (VI<br/>17.10 Detectando a autocorrelação em modelos autorregressivos: o teste h de Durbin <br/>17.11 Um exemplo numérico: a demanda por moeda no Canadá, primeiro trimestre de 1979 ao quarto Trimestre de 1988 <br/>17.12 Exemplos ilustrativos <br/>17.13 A abordagem de Almon aos modelos de defasagens distribuídas: a distribuição polinomial de <br/>defasagens ou de Almon<br/><br/>17.14 Causalidade em economia: o teste de causalidade de Granger <br/>O teste de Granger<br/>Uma observação sobre causalidade e exogeneidade <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice17A <br/>17A.1 O teste de Sargan para a validade dos instrumentos <br/><br/>PARTE 4<br/>MODELOS DE EQUAÇÕES SIMULTÂNEAS E ECONOMETRIA DE SÉRIES TEMPORAIS <br/><br/>CAPÍTULO 18<br/>Modelos de equações simultâneas <br/><br/>18.1A natureza dos modelos de equações simultâneas<br/>18.2Exemplos 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/>Resumo e conclusões<br/>Exercícios<br/><br/>CAPÍTULO 19<br/>O problema da identificação <br/>19.1Notações e definições <br/><br/>19.20 problema da identificação <br/>Subidentificação<br/>Identificação precisa ou exata <br/>Super identificação<br/><br/>19.3Regras para a identificação <br/>A condição de ordem de identificação <br/>A condição deposto de identificação <br/><br/>19.4Um teste de simultaneidade <br/>Teste de especificação de Hausman <br/><br/>19.5Testes de exogeneidade <br/>Resumo e conclusões<br/>Exercícios<br/><br/>CAPÍTULO 20<br/>Métodos de equações simultâneas <br/><br/>20.1Abordagens da estimação<br/>20.2Modelos recursivos e mínimos quadrados ordinários <br/><br/>20.3 Estimação de uma equação exatamente identificada: o método de mínimos quadrados indiretos (MQI) <br/>Um exemplo <br/>Propriedades dos estimadores de MQI<br/><br/>20.4 Estimação de uma equação superinderitificada: o método dos mínimos quadrados em dois estágios(MQ2E) <br/>20.5MQ2E: um exemplo numérico <br/>20.6Exemplos ilustrativos <br/>Resumo e conclusões<br/>Exercícios<br/><br/>Apêndice20A<br/>20A. 1 Viés nos estimadores de mínimos quadrados indiretos <br/>20A.2 Estimação de erros padrão dos estimadores de MQ2E<br/><br/>CAPÍTULO 21<br/>Econometria de séries temporais: alguns conceitos básicos <br/><br/>21.1Um olhar sobre algumas séries temporais da economia dos Estados Unidos <br/>21.2Conceitos-chave <br/><br/>21.3Processos estocásticos <br/>Processos estocásticos <br/>Processos estocásticos não estacionários<br/><br/>21.4 Processo estocástico de raiz unitária <br/>21.5 Processos estocásticos de tendência estacionária (TE) e diferença estacionária (DE)<br/><br/>21.6 Processos estocásticos integrados<br/>Propriedades das séries integradas <br/><br/>21.7O fenômeno da regressão espúria<br/><br/>21.8Testes de estacionariedade<br/>1.Análise gráfica<br/>2.Função de correlação (FAC) e correio grama<br/>Significado estatístico dos coeficientes de correlação <br/><br/>21.9O teste da raiz unitária <br/>O teste Dickey-Fuiier aumentado (DFA)<br/>Testando a significância de mais de um coeficiente: o teste E<br/>Os testes de raiz unitária Phillips-Perron<br/>Testando as mudanças estruturais<br/>Uma critica aos testes de raiz unitária <br/><br/>21.10 Transfomando a série temporal não estacionária <br/>Processos de diferença estacionária<br/>Processo estacionário em tendência<br/><br/>21.11Cointegração: regressão de uma série temporal com raiz unitária contra outra série temporal com raiz unitária<br/>Teste de cointegração<br/>Cointegração e mecanismo de correção de erro (MCE) <br/><br/>21.12 Algumas aplicações econômicas <br/>Resumo e conclusões <br/>Exercícios<br/><br/>CAPÍTULO 22<br/>Econometria de séries temporais: previsão <br/><br/>22.1 Abordagens sobre a previsão econômica<br/>Métodos de suavização exponencial<br/>Modelos de regressão uniequacional<br/>Modelos de regressão de equações simultâneas<br/>Modelos ARIMA <br/>Modelos VAR <br/><br/>22.2Modelagem de séries temporais de acordo com os métodos autorregressivo, das médias móveis <br/>e ARIMA.<br/>Um processo autorregressivo (AR)<br/>Processo de média móvel (MA<br/>Processo autorregressivo de médias móveis (ARMA) <br/>Processo autorregressivo integrado de médias móveis (ARIMA)<br/><br/>22.3A metodologia Box-Jenkins (BJ)<br/>22.4Identificação<br/>22.5Estimação do modelo ARIMA<br/>22.6Verificação do diagnóstico<br/>22.7Previsão <br/>22.8 Outros aspectos da metodologia BJ<br/><br/>22.9Vetores autorregressivos (VAR) <br/>Estimação do VAR<br/>Previsão com VAR<br/>VAR e casualidade <br/>Alguns problemas da modelagem VAR<br/>Uma aplicação de VAR: um modelo VAR da economia do Tesas <br/><br/>22.10 Medindo a volatilidade na série temporal financeira: os modelos ARCH e GARCH<br/>O que fazer se o ARCH estiver presente <br/>Uma palavra sobre o d Durbin—Watson e o efeito ARCH<br/>Uma nota sobre o modelo GARCH<br/><br/>22.11Exemplos finais<br/>Resumo e conclusões<br/>Exercícios<br/><br/>APÊNDICE A <br/>Revisão de alguns conceitos estatísticos<br/><br/>A.1Operadores somatório e de produto <br/>A.2Espaço amostral, pontos amostrais e eventos<br/><br/>A.3Probabilidade e variáveis aleatórias <br/>Probabilidade<br/>Variáveis aleatórias <br/><br/>A.4Função 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/><br/>A.5 As características das distribuições de probabilidade<br/>Valor esperado<br/>Propriedades dos valores esperados<br/>Variância<br/>Propriedades da variância <br/>Covariância<br/>Propriedades da covariáncia <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/><br/>A.6 Algumas distribuições de probabilidade teóricas importantes <br/>Distribuição normal<br/>A distribuição x2 (qui-quadrado) <br/>Distribuição1 de Student<br/>A distribuição E <br/>Distribuição binomial de Bernoulli<br/>Distribuição binomial<br/>A distribuição de Poisson<br/><br/>A.7Inferência estatística: estimação<br/>Estimação pontual<br/>Estimação intervalar<br/>Métodos de estimação<br/>Propriedades de pequenas amostras<br/>Propriedades de grandes amostras <br/>A.8 Inferência estatística: testando as hipóteses<br/>A abordagem do intervalo de confiança<br/>A abordagem do teste de significância <br/>Referências<br/> <br/>APÊNDICE B<br/>Rudimentos de álgebra matricial <br/><br/>B.1Definições <br/>Matriz<br/>Vetor coluna <br/>Vetor linha <br/>Transposição<br/>Submatriz<br/><br/>B.2Tipos 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 Matrizes iguais<br/><br/>B.3Operações 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/><br/>B.4Determinantes<br/>Avaliação de um determinante<br/>Propriedades dos determinantes<br/>Posto de uma matriz<br/>Menor<br/>Cofator<br/>B.5Encontrando a inversa de uma matriz quadrada<br/>B.6Diferenciação matricial<br/>Referências<br/><br/>APÊNDICE C<br/>A abordagem matricial para o modelo de regressão linear <br/>C.1O modelo de regressão linear com k variáveis <br/>C.2Hipóteses do modelo de regressão linear clássico em notação matricial <br/>C.3Estimativa por mínimos quadrados ordinários (MQO<br/>Uma ilustração <br/>Matriz de variâncias e covariâncias de 0 <br/>Propriedades do vetor de MQO â <br/>C.4O coeficiente de determinação R2 em notação matricial<br/>C.5A matriz de correlações <br/>C.6 Teste de hipóteses sobre coeficientes de regressão individual em notação matricial <br/>C.7 Teste da significância geral da regressão: análise de variância em notação matricial<br/>C.8 Teste de restrições lineares: teste F geral por meio da notação <br/>C.9 Previsão com o uso da regressão múltipla: formulação matricial <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.11Mínimos quadrados generalizados (MQG) <br/>C.12Resumo e conclusões<br/>Exercícios<br/>CA.1Derivação de k equações normais ou simultâneas<br/>CA.2Derivação matricial de equações normais <br/>CA.3Matriz de variâncias e covariâncias de <br/>CA.4Propriedade de melhor estimador linear não viesado (MELNT) dos estimadores de mínimos quadrados ordinários(MQG<br/><br/>APÊNDICE D<br/>Tabelas estatísticas <br/>APÊNDICE E<br/>Telas de resultado do EViews, MINITAB, Excel e STATA 891<br/>E.1EViews<br/>E.2MINITAB <br/>E.3Excel<br/>E.4STATA<br/>E.5Comentários finais<br/>Referências<br/><br/>APÊNDICE F<br/>Dados econômicos na Internet<br/>Referências bibliográficas<br/>Índice<br/><br/><br/>
650 #0 - ASSUNTO
9 (RLIN) 2195
Assunto Econometria
700 1# - Entrada secundária - Nome Pessoal
9 (RLIN) 2169
Nome pessoa PORTER, Dawn C.
Relação Autor
700 1# - Entrada secundária - Nome Pessoal
9 (RLIN) 2170
Nome pessoa DURANTE, Denise
Relação Tradutora
700 1# - Entrada secundária - Nome Pessoal
9 (RLIN) 2171
Nome pessoa ROSEMBERG, Mônica
Relação Tradutora
700 1# - Entrada secundária - Nome Pessoal
9 (RLIN) 2172
Nome pessoa ROSA, Maria Lúcia G. L.
Relação Tradutora
942 ## - Elementos de Entrada Adicionados
Tipo de Material Livros
942 ## - Elementos de Entrada Adicionados
Tipo de Material Livros
Exemplares
Classificação Empréstimo Locação permanente Locação corrente Data de aquisição Forma de aquisição Patrimônio Número completo de chamada Código de barras Número do exemplar Data de inserção do exemplar Tipo de item no Koha
    Biblioteca Agamenon Magalhães Biblioteca Agamenon Magalhães 2021-04-19 Compra 23011 330.015195 G969e 2021-0150 1 2021-05-25 Livros
    Biblioteca Agamenon Magalhães Biblioteca Agamenon Magalhães 2021-04-19 Compra 23012 330.015195 G969e 2021-0151 2 2021-05-25 Livros
    Biblioteca Agamenon Magalhães|(61) 3221-8416| biblioteca@cade.gov.br| Setor de Edifícios de Utilidade Pública Norte – SEPN, Entrequadra 515, Conjunto D, Lote 4, Edifício Carlos Taurisano, térreo