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/> |