SUMÁRIO
PREFÁCIO
Introdução
1.1 O QUE E ECONOMETRIA?
1.2 POR QUE UMA DISCIPLINA SEPARADA?
1.3 O MÉTODO ECONOMÉTRICO
1. Exposição da teoria ou hipótese
2. Especificação do modelo matemático da teoria
3. Especificação do modelo estatístico ou econométrico
4. Obtenção dos dados
5. Estimação dos parâmetros do modelo econométrico
6. Teste de hipóteses
7, Projeção ou previsão
8. Uso do modelo com fins de controle ou de política
Escolha do modelo
1.4 TIPOS DE ECONOMETRIA
1.5 PRÉ-REQUISITOS MATEMÁTICOS E ESTATÍSTICOS
1.6 O PAPEL DO COMPUTADOR
1.7 SUGESTÕES PARA LEITURAS COMPLEMENTARES

PARTE I MODELOS DE REGRESSÃO COM UMA SÓ EQUAÇÃO
1 A Natureza da Análise de Regressão
1.1 ORIGEM HISTÓRICA DO TERMO REGRESSÃO
1.2 A INTERPRETAÇÃO MODERNA DA REGRESSÃO
Exemplos
1.3 RELAÇÕES ESTATÍSTICAS VERSUS DETERMINÍSTICAS
1.4 REGRESSÃO VERSUS CAUSAÇÃO
1.5 REGRESSÃO VERSUS CORRELAÇÃO
1.6 TERMINOLOGIA E NOTAÇÃO
1.7 NATUREZA E FONTE DOS DADOS PARA A ANÁLISE ECONÔMICA
Tipos dedados
As fontes de dados
A exatidão dos dados
Uma nota sobre as escalas de medição das variáveis
1.8 RESUMO E CONCLUSÕES
EXERCÍCIOS
2 Análise de Regressão com Duas Variáveis: Algumas Ideias Básicas
2.1 UM EXEMPLO HIPOTÉTICO
2.2 CONCEITO DE FUNÇÃO DE REGRESSÃO POPULACIONAL (FRP)
2.3 O SIGNIFICADO DO TERMO LINEAR
Linearidade nas variáveis
Linearidade nos parâmetros
2.4 ESPECIFICAÇÃO ESTOCÁSTICA DA FRP
2.5 O SIGNIFICADO DO TERMO DE ERRO ESTOCÁSTICO
2.6 A FUNÇÃO DE REGRESSÃO AMOSTRAL (FRA)
2.7 UM EXEMPLO ILUSTRATIVO
2.8 RESUMO E CONCLUSÕES
EXERCÍCIOS
3 Modelo de Regressão de Duas Variáveis: O Problema da Estimação
3.1 MÉTODO DOS MÍNIMOS QUADRADOS ORDINÁRIOS
3.2 O MODELO DE REGRESSÃO LINEAR CLÁSSICO: AS PREMISSAS SUBJACENTES AO MÉTODO DOS MÍNIMOS QUADRADOS
Uma palavra a respeito dessas premissas
3.3 PRECISÃO OU ERROS-PADRÃO DAS ESTIMATIVAS DE MÍNIMOS QUADRADOS
3.4 PROPRIEDADES DOS ESTIMADORES DE MÍNIMOS QUADRADOS: O TEOREMA DE GAUSS-MARKOV
3.5 O COEFICIENTE DE DETERMINAÇÃO r2: UMA MEDIDA DA "QUALIDADE DO AJUSTAMENTO"
3.6 UM EXEMPLO NUMÉRICO
3.7 EXEMPLOS ILUSTRATIVOS
3.8 UMA NOTA SOBRE OS EXPERIMENTOS MONTE CARLO
3.9 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 3A
3A.1 DERIVAÇÃO DE ESTIMATIVAS DE MÍNIMOS QUADRADOS
3A.2 LINEARIDADE E PROPRIEDADES DE NÃO TENDENCIOSIDADE DOS ESTIMADORES DE MÍNIMOS QUADRADO
3A.3 VARIÂNCIAS E ERROS-PADRÃO DOS ESTIMADORES DE MÍNIMOS QUADRADOS
3A.4 COVARIÂNCIA ENTRE B 1 e B 2
3A.5 ESTIMADOR DE MÍNIMOS QUADRADOS DE Q2
3A.6 PROPRIEDADE DA VARIÂNCIA MÍNIMA DOS ESTIMADORES DE MÍNIMOS QUADRADOS
3A.7 CONSISTÊNCIA DOS ESTIMADORES DE MÍNIMOS QUADRADOS
4 Modelo Normal de Regressão Linear Clássico (MNRLC)
4.1 A DISTRIBUIÇAO DE PROBABILIDADE DOS TERMOS DE ERRO ui
4.2 A PREMISSA DE NORMALIDADE DE ui
Por que a premissa de normalidade?
4.3 PROPRIEDADES DOS ESTIMADORES DE MQO SOB A PREMISSA DE NORMALIDADE
4.4 O MÉTODO DE MÁXIMA VEROSSIMILHANÇA
4.5 RESUMO E CONCLUSÕES
APÊNDICE 4A
4A.1 ESTIMAÇÃO DE MÁXIMA VEROSSIMILHANÇA DE UM MODELO DE REGRESSÃO COM DUAS VARIÁVEIS
4A.2 ESTIMAÇÃO DE MÁXIMA VEROSSIMILHANÇA DAS DESPESAS COM ALIMENTAÇÃO NA ÍNDIA
EXERCÍCIOS
5 A Regressão de Duas Variáveis: Estimação de Intervalo e Teste de Hipóteses
5.1 PRÉ-REQUISITOS ESTATÍSTICOS
5.2 ESTIMATIVA DE INTERVALO: ALGUMAS IDÉIAS BÁSICAS
5.3 INTERVALOS DE CONFIANÇA PARA OS COEFICIENTES DE REGRESSÃO fil E P2 Intervalo de confiança para /2
Intervalo de confiança para fJ
Intervalos de confiança simultâneos para fi e f2
5.4 INTERVALO DE CONFIANÇA PARA a2
5.5 TESTE DE HIPÓTESES: COMENTÁRIOS GERAIS
5.6 TESTE DE HIPÓTESES: A ABORDAGEM DO INTERVALO DE CONFIANÇA
Teste bilateral ou bícaudal
Teste unilateral ou unicaudal
5.7 TESTE DE HIPÓTESES: A ABORDAGEM DO TESTE DE SIGNIFICÂNCIA
Teste de significância dos coeficientes de regressão: o teste t
Teste de significância para a2: o teste de qui-quadrado (x2)
5.8 TESTE DE HIPÓTESES: ALGUNS ASPECTOS PRÁTICOS
O sentido da "aceitação" ou "rejeição" de uma hipótese
A hipótese nula "zero" e a regra prática "2-t"
Elaboração das hipóteses nula e alternativa
Escolha de a, o nível de significância
O nível de significância exato: o valor p
Significância estatística versus significância prática
A escolha entre as abordagens do intervalo de confiança e do teste de significância no teste de hipóteses
5.9 ANÁLISE DE REGRESSÃO E ANÁLISE DE VARIÂNCIA
5.10 APLICAÇÃO DA ANÁLISE DE REGRESSÃO: O PROBLEMA DA PREVISÃO
Previsão média
Previsão individual
5.11 A APRESENTAÇÃO DOS RESULTADOS DA ANÁLISE DE REGRESSÃO
5.12 AVALIAÇÃO DOS RESULTADOS DA ANÁLISE DE REGRESSÃO
Testes de normalidade
Outros testes da adequação do modelo
5.13 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 5A
5A.1 DISTRIBUIÇÕES DE PROBABILIDADE RELACIONADAS À DISTRIBUIÇÃO NORMAL
5A.2 DERIVAÇÃO DA EQUAÇÃO (5.3.2)
5A.3 DERIVAÇÃO DA EQUAÇÃO (5.9.1)
5A.4 DERIVAÇÃO OU DERIVAÇÕES DAS EQUAÇÕES (5.10.2) E (5.10.6)
Variância da previsão média
Variância da previsão individual
6 Extensões do Modelo de Regressão Linear de Duas Variáveis
6.1 A REGRESSAO QUE PASSA PELA ORIGEM
Cálculo do r2 para modelos que passam pela origem
6.2 ESCALAS E UNIDADES DE MEDIDA
Uma palavra sobre a interpretação
6.3 REGRESSÃO COM VARIÁVEIS PADRONIZADAS
6.4 FORMAS FUNCIONAIS DOS MODELOS DE REGRESSÃO
6.5 COMO MEDIR A ELASTICIDADE: O MODELO LOG-LINEAR
6.6 MODELOS SEMILOGARÍTMICOS: LOG-LIN E LIN-LOG
Como medir a taxa de crescimento: o modelo log-lin
O modelo Iin-Iog
6.7 MODELOS RECÍPROCOS
Modelo da hipérbole logarítmica ou modelo logarítmico recíproco
6.8 A ESCOLHA DA FORMA FUNCIONAL
6.9 NOTA SOBRE A NATUREZA DO TERMO DE ERRO ESTOCÁSTICO: TERMO ADITIVO
VERSUS TERMO MULTIPLICATIVO
6.10 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 6A
6A.1 A DERIVAÇÀO DE ESTIMADORES DE MINIMOS QUADRADOS PARA REGRESSÕES QUE PASSAM PELA ORIGEM
6A.2 DEMONSTRAÇÃO DE QUE UMA VARIÁVEL PADRONIZADA TEM MÉDIA ZERO E VARIÂNCIA IGUAL A UM
7 Análise de Regressão Múltipla: O Problema da Estimação
7.1 O MODELO DE TRÊS VARIÁVEIS: NOTAÇÃO E PREMISSAS
7.2 INTERPRETAÇÃO DA EQUAÇÃO DE REGRESSÃO MÚLTIPLA
7.3 O SIGNIFICADO DOS COEFICIENTES DE REGRESSÃO PARCIAIS
7.4 ESTIMAÇÃO DOS COEFICIENTES PARCIAIS DE REGRESSÃO POR MEIO DOS MÉTODOS DE MÍNIMOS
QUADRADOS ORDINÁRIOS E DA MÁXIMA VEROSSIMILHANÇA
Estimadores de MQO
Variâncias e erros-padrão dos estimadores de MQO
Propriedades dos estimadores de MQO
Estimadores de máxima verossimilhança
7.5 O COEFICIENTE DE DETERMINAÇÃO MÚLTIPLO, R2, E O COEFICIENTE DE CORRELAÇÃO MÚLTIPLO, R
7.6 EXEMPLO 7.1: A MORTALIDADE INFANTIL EM RELAÇÃO AO PNB PER CAPITA E À TAXA DE ALFABETIZAÇÃO FEMININA
Regressão com variáveis padronizadas
7.7 REGRESSÃO SIMPLES NO CONTEXTO DA REGRESSÃO MÚLTIPLA: UMA INTRODUÇÃO AO VIÉS DE ESPECIFICAÇÃO
7.8 R2 E R2 AJUSTADO
Comparação de dois valores de R2
Distribuição de R2 entre os regressores
O "jogo" da maximização de P2
7.9 EXEMPLO 7.3: A FUNÇÃO DE PRODUÇÃO COBB-DOUGLAS: MAIS SOBRE FORMAS FUNCIONAIS
7.10 MODELOS DE REGRESSÃO POLINOMIAL
7.11 COEFICIENTES DE CORRELAÇÃO PARCIAL
Coeficientes de correlação simples e parcial: uma explicação
Interpretação dos coeficientes de correlação simples e parcial
7.12 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 7A
7A1 DERIVAÇÃO DOS ESTIMADORES DE MQO DADOS NAS EQUAÇÕES (7.4.3) A (7.4.5)
7A2 IGUALDADE DOS COEFICIENTES DE PNBpc EM (7.3.5) E (7.6.2) 197
7A.3 DEDUÇÃO DA EQUAÇÃO (7.4.19)
7A.4 ESTIMAÇÃO DE MÁXIMA VEROSSIMILHANÇA DO MODELO DE REGRESSÃO MÚLTIPLA
7A.5 SAÍDA DO SAS PARA A FUNÇÃO DE PRODUÇÃO COBB-DOUGLAS (7.9.4)
8 Análise de Regressão Múltipla: O Problema da Inferência
8.1 OUTRA VEZ A HIPOTESE DA NORMALIDADE
8.2 EXEMPLO 8.1: UMA VOLTA AO EXEMPLO DA MORTALIDADE INFANTIL
8.3 TESTE DE HIPÓTESES NA REGRESSÃO MÚLTIPLA: COMENTÁRIOS GERAIS
8.4 TESTE DE HIPÓTESES RELATIVO AOS COEFICIENTES DE REGRESSÃO INDIVIDUAIS
8.5 TESTE DA SIGNIFICÂNCIA GERAL DA REGRESSÃO AMOSTRAL
A abordagem da análise de variância para teste da significância geral de uma regressão múltipla observada: o teste F
Verificação da significância geral de uma regressão múltipla: o teste F
Uma relação importante entre R2 e F
Teste da significância geral, em termos de R2, para uma regressão múltipla
A contribuição 'incremental" ou "marginal" de uma variável explanatória
8.6 TESTE DA IGUALDADE DE DOIS COEFICIENTES DE REGRESSÃO
8.7 MÍNIMOS QUADRADOS RESTRITOS: TESTE DAS RESTRIÇÕES DE IGUALDADE LINEAR
A abordagem do teste t
A abordagem do teste F: minimos quadrados restritos
Teste Fgeral
8.8 TESTE DA ESTABILIDADE ESTRUTURAL OU DOS PARÂMETROS NOS MODELOS DE REGRESSÃO:
O TESTE DE CHOW
8.9 PREVISÃO COM REGRESSÃO MÚLTIPLA
8.10 A TRINCA DOS TESTES DE HIPÓTESES: A RAZÃO DE VEROSSIMILHANÇA (QV), O TESTE DE
WALD (W) E O MULTIPLICADOR DE LAGRANGE (ML)
8.11 TESTE DA FORMA FUNCIONAL DA REGRESSÃO: ESCOLHA ENTRE MODELOS LINEARES E LOG-LINEARES
8.12 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 8A
9 Modelos de Regressão com Variáveis Binárias
9.1 A NATUREZA DAS VARIAVEIS BINARIAS
9.2 MODELOS ANOVA
Cautela no uso de variáveis binárias
9.3 MODELOS ANOVA COM DUAS VARIÁVEIS QUALITATIVAS
9.4 REGRESSÕES COM VARIÁVEIS QUANTITATIVAS E QUALITATIVAS: OS MODELOS ANCOVA
9.5 A VARIÁVEL BINÁRIA COMO ALTERNATIVA AO TESTE DE CHOW
9.6EFEITOS DE INTERAÇÃO COM O USO DE VARIÁVEIS BINÁRIAS
9.7 O EMPREGO DE VARIÁVEIS BINÁRIAS EM ANÁLISES SAZONAIS
9.8 REGRESSÃO LINEAR SEGMENTADA
9.9 MODELOS DE REGRESSÃO COM DADOS EM PAINEL
9.10 ALGUNS ASPECTOS TÉCNICOS DO MODELO DE VARIÁVEIS BINÁRIAS
A interpretação de variáveis binárias em regressões semilogarítmicas
Variáveis binárias e heterocedasticidade
Variáveis binárias e autocorrelação
O que acontece se a variável dependente for uma variável binária?
9.11 TÓPICOS AVANÇADOS
9.12 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 9A

PARTE II RELAXAMENTO DAS PREMISSAS DO MODELO CLÁSSICO
10 Multicolinearidade: O que Acontece se os Regressores são Correlacionados?
10.1 A NATUREZA DA MULTICOLINEARIDADE
10.2 ESTIMAÇÃO NA PRESENÇA DE MULTICOLINEARIDADE PERFEITA
10.3 ESTIMAÇÃO NA PRESENÇA DE UMA MULTICOLINEARIDADE "ALTA", MAS "IMPERFEITA"
10.4 MULTICOLINEARIDADE: MUITO BARULHO POR NADA? CONSEQÜÊNCIAS TEÓRICAS DA MULTICOLINEARIDADE
10.5 CONSEQÜÊNCIAS PRÁTICAS DA MULTICOLINEARIDADE
Grandes variâncias e covarlâncias dos estimadores de MQO
Intervalos de confiança mais amplos
Razões t "insignificantes"
Alto valor de R2, mas menos razões t significativas
Sensibilidade dos estimadores de MQO e seus erros-padrão a pequenas alterações nos dados
Conseqüências da micronumerosidade
10.6 UM EXEMPLO ILUSTRATIVO: DESPESAS DE CONSUMO EM RELAÇÃO À RENDA E À RIQUEZA
10.7 DETECÇÃO DA MULTICOLINEARIDADE
10.8 MEDIDAS CORRETIVAS
Não fazer nada
Procedimentos práticos
10.9 A MULTICOLINEARIDADE É NECESSARIAMENTE ALGO RUIM? TALVEZ NÃO, SE O OBJETIVO FOR APENAS A PREVISÃO
10.10 UM EXEMPLO AMPLIADO: OS DADOS DE LONGLEY
10.11 RESUMO E CONCLUSÕES
EXERCÍCIOS
11 Heterocedasticidade: O que Acontece se a Variância do Erro Não é Constante?
11.1 A NATUREZA DA HETEROCEDASTICIDADE
11.2 ESTIMAÇÃO DE MQO NA PRESENÇA DE HETEROCEDASTICIDADE
11.3 O MÉTODO DOS MÍNIMOS QUADRADOS GENERALIZADOS (MQG)
A diferença entre os MQO e os MQG
11.4 CONSEQÜÊNCIAS DO USO DOS MQO NA PRESENÇA DA HETEROCEDASTICIDADE
Estimativa de MQO levando em conta a heterocedasticidade
Estimação de MQO sem levar em conta a heterocedasticidade
Uma nota técnica
11.5 DETECÇÃO DA HETEROCEDASTICIDADE
Métodos informais
Métodos formais
11.6 PROVIDÊNCIAS CORRETIVAS
Quando Q2 é conhecido: o método dos mínimos quadrados ponderados
Quando a,2 não é conhecido
11.7 EXEMPLOS FINAIS
11.8 UMA ADVERTÊNCIA QUANTO A REAÇÕES EXAGERADAS EM FACE DA HETEROCEDASTICIDADE
11.9 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 11A
11A.1 DEMONSTRAÇÃO DA EQUAÇÃO (11.2.2)
11A.2 O MÉTODO DOS MÍNIMOS QUADRADOS PONDERADOS
11A.3 DEMONSTRAÇÃO DE QUE E((Y2) * a2 QUANDO HÁ HETEROCEDASTICIDADE
11A.4 OS ERROS-PADRÃO ROBUSTOS DE WHITE
12 Autocorrelação: O que Acontece se os Termos de Erro são Correlacionados?
12.1 A NATUREZA DO PROBLEMA
12.2 ESTIMATIVA DE MQO NA PRESENÇA DE AUTOCORRELAÇÃO
12.3 O ESTIMADOR BLUE NA PRESENÇA DE AUTOCORRELAÇÃO
12.4 CONSEQÜÊNCIAS DO USO DOS MQO NA PRESENÇA DE AUTOCORRELAÇÃO
Estimação por meio de MQO levando em conta a autocorrelação
Estimação por meio de MQO sem levar em consideração a autocorrelação
12.5 RELAÇÃO ENTRE SALÁRIOS E PRODUTIVIDADE NO SETOR EMPRESARIAL DOS ESTADOS UNIDOS, 1959-1998
12.6 DETECÇÃO DA AUTOCORRELAÇÃO
I. Método gráfico
II. O teste das carreiras
III. O teste de Durbin-Watson
V. Um teste geral de autocorrelação: o teste de Breusch-Godfrey (BG)
Por que tantos testes de autocorrelação?
12.7 O QUE FAZER QUANDO ENCONTRAMOS AUTOCORRELAÇÃO: MEDIDAS CORRETIVAS
12.8 ESPECIFICAÇÃO EQUIVOCADA DO MODELO VERSUS AUTOCORRELAÇÃO PURA
12.9 CORREÇÃO DA AUTOCORRELAÇÃO (PURA): O MÉTODO DOS MÍNIMOS QUADRADOS
GENERALIZADOS (MQG)
Quando p é conhecido
Quando p é desconhecido
12.10 O MÉTODO DE NEWEY-WEST PARA CORREÇÃO DE ERROS-PADRÃO DE MQO
12.11 MQO VERSUS FGLS E NEWEY-WEST
12.12 PREVISÃO COM TERMOS DE ERRO AUTOCORRELACIONADOS
12.13 OUTROS ASPECTOS DA AUTOCORRELAÇÃO
Variáveis binárias e autocorrelação
Modelos ARCH e GARCH
Coexistência da autocorrelação e da heterocedasticidade
12.14 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 12A
12A.1 DEMONSTRAÇÃO DA AUTOCORRE LAÇÃO DO TERMO DE ERRO VEM (12.1.11)
12A.2 DEMONSTRAÇÃO DAS EQUAÇÕES (12.2.3), (12.2.4) E (12.2.5)
13 Modelagem Econométrica: Especificação do Modelo e Diagnósticos
13,1 CRITÉRIOS DE SELEÇÃO DE MODELOS
13.2 TIPOS DE ERROS DE ESPECIFICAÇÃO
13.3 CONSEQÜÊNCIAS DOS ERROS DE ESPECIFICAÇÃO DO MODELO
Omissão de uma variável relevante
Inclusão de uma variável irrelevante
13.4 DETECÇÃO DOS ERROS DE ESPECIFICAÇÃO
Detecção da presença de variáveis desnecessárias
Testes para verificar a omissão de variáveis e a forma funcional incorreta
13.5 ERROS DE MEDIÇÃO
Erros de medição da variável dependente Y
Erros de medição na variável explanatória X
13.6 ESPECIFICAÇÃO INCORRETA DO TERMO DE ERRO ESTOCÁSTICO
13.7 MODELOS ANINHADOS VERSUS NÃO ANINHADOS
13.8 TESTES DE HIPÓTESES NÃO ANINHADAS
A abordagem discriminatória
A abordagem discernente
13.9 CRITÉRIOS PARA SELEÇÃO DE MODELOS
O critério de R2
R2 Ajustado
Critério de informação de Akaike (AIC)
Critério de informação de Schwarz (SIC)
O critério C de Mallow
Uma advertência sobre os critérios de seleção de modelos
Previsão de qui-quadrado (x2)
13.10 TÓPICOS ADICIONAIS SOBRE MODELAGEM ECONOMÉTRICA
Dados discrepantes, alavancagem e influência
Mínimos quadrados recursivos
Teste de falhas de previsão de Chow
13.11 UM EXEMPLO CONCLUSIVO
13.12 UMA PALAVRA PARA O PESQUISADOR
13.13 SUMÁRIO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 13A
13A.1 DEMONSTRAÇÃO DE E(bi 2) = f32 + /33b32 (EQUAÇÃO (13.3.3))
13A.2 CONSEQÜÊNCIAS DA INCLUSÃO DE UMA VARIÁVEL IRRELEVANTE: A PROPRIEDADE DE NÃO
TENDENCIOSIDADE
13A.3 DEMONSTRAÇÃO DA EQUAÇÃO (13510)
13A.4 DEMONSTRAÇÃO DA EQUAÇÃO (13.6.2)

PARTE III TÓPICOS EM ECONOMETRIA
14 Modelos de Regressão Não Lineares
14.1 MODELOS DE REGRESSAO INTRINSECAMENTE LINEARES E NAO LINEARES
14.2 ESTIMAÇÃO DOS MODELOS DE REGRESSÃO LINEARES E NÃO LINEARES
14.3 ESTIMAÇÃO DE MODELOS DE REGRESSÃO NÃO LINEARES: O MÉTODO DA TENTATIVA E DO ERRO
14.4 ALGORITMOS PARA A ESTIMAÇÃO DE MODELOS DE REGRESSÃO NÃO LINEARES
Método da busca direta ou da tentativa e erro ou método livre-de-derivada
Otimização direta
Método da linearização iterativa
14.5 EXEMPLOS ILUSTRATIVOS
14.6 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 14A
14A.1 DEDUÇÃO DAS EQUAÇÕES (14.2.4) E (14.2.5)
14A.2 O MÉTODO DE LINEARIZAÇÃO
14A.3 APROXIMAÇÃO LINEAR À FUNÇÃO EXPONENCIAL DADA EM (14.2.2)
15 Modelos de escolha Qualitativa
15.1 A NATUREZA DOS MODELOS DE ESCOLHA QUALITATIVA
15.2 O MODELO DE PROBABILIDADE LINEAR
Ausência de normalidade dos termos de erro, ui
Variâncias heterocedásticas dos termos de erro
Impossibilidade de satisfazer O E(Y1 1 X) 1
O valor de R2 como medida de qualidade do ajustamento é questionável
15.3 APLICAÇÕES DO MODELO DE PROBABILIDADE LINEAR
15.4 ALTERNATIVAS AO MODELO DE PROBABILIDADE LINEAR
15.5 O MODELO LOGIT
15.6 ESTIMAÇÃO DO MODELO LOGIT
Dados em nível individual
Dados agrupados ou replicados
15.7 O MODELO LOGIT AGRUPADO (GLOGIT): UM EXEMPLO NUMÉRICO
Interpretação do modelo logit estimado
15.8 O MODELO LOGIT PARA DADOS NÃO AGRUPADOS OU INDIVIDUAIS
15.9 O MODELO PROBIT
Estimação do probit com dados agrupados: gprobit
O modelo probit para dados individuais ou não agrupados
Efeito marginal de uma variação unitária no valor de um regressor nos vários modelos de regressão
15.10 OS MODELOS LOGIT E PROBIT
15.11 O MODELO TOBIT
Ilustração do modelo Tobit: modelo dos casos extraconjugais de Ray Fair
15.12 MODELAGEM DE DADOS CONTÁVEIS: O MODELO DE REGRESSÃO DE POISSON
15.13 OUTROS TÓPICOS RELATIVOS AOS MODELOS DE ESCOLHA QUALITATIVA
Modelos logit e probit ordinais
Modelos logit e probit multinomiais
Modelos de duração
15.14 RESUMO E CONCLUSÕES
EXERCÍCIOS 504
APÊNDICE 15 A
15A.1 ESTIMATIVA DE MÁXIMA VEROSSIMILHANÇA DOS MODELOS LOGIT E PROBIT NO CASO DE DADOS
INDIVIDUAIS (NÃO AGRUPADOS)
16 Modelos de Regressão com Dados em Painel
16.1 POR QUE DADOS EM PAINEL?
16.2 DADOS EM PAINEL: UM EXEMPLO
16.3 ESTIMAÇÃO DE MODELOS DE REGRESSÃO COM DADOS EM PAINEL: A ABORDAGEM DOS
EFEITOS FIXOS
1. Todos os coeficientes são constantes ao longo do tempo e entre indivíduos
2. Os coeficientes angulares são constantes, mas o intercepto varia entre os indivíduos:
o modelo de regressão de efeitos fixos ou a variável binária de mínimos quadrados
3. Os coeficientes angulares são constantes, mas o intercepto varia com os indivíduos
e com o tempo
4. Todos os coeficientes variam entre indivíduos
16.4 ESTIMAÇÃO DE MODELOS DE REGRESSÃO COM DADOS EM PAINEL: A ABORDAGEM DOS EFEITOS
ALEATÓRIOS
16.5 OS MODELOS DE EFEITOS FIXOS VERSUS OS DE EFEITOS ALEATÓRIOS
16.6 REGRESSÕES COM DADOS EM PAINEL: ALGUNS COMENTÁRIOS FINAIS
16.7 RESUMO E CONCLUSÕES
EXERCÍCIOS
17 Modelos Econométricos Dinâmicos: Modelos Auto-regressivos e com Defasagens Distribuídas
17.1 O PAPEL DO "TEMPO" OU DA "DEFASAGEM" NA ECONOMIA
17.2 A RAZÃO DAS DEFASAGENS
17.3 ESTIMAÇÃO DOS MODELOS DE DEFASAGENS DISTRIBUÍDAS
Estimação ad hoc de modelos de defasagens distribuídas
17.4 A ABORDAGEM DE KOYCK AOS MODELOS DE DEFASAGENS DISTRIBUÍDAS
A defasagem mediana
A defasagem média
17.5 RACIONALIZAÇÃO DO MODELO DE KOYCK: O MODELO DE EXPECTATIVAS ADAPTATIVAS
17.6 OUTRA JUSTIFICATIVA DO MODELO DE KOYCK: O MODELO DE AJUSTAMENTO DE ESTOQUES OU DE AJUSTAMENTO PARCIAL
17.7 COMBINAÇÃO DE MODELOS DE EXPECTATIVAS ADAPTATIVAS E DE AJUSTAMENTO PARCIAL
17.8 ESTIMAÇÃO DE MODELOS AUTO-REGRESSIVOS
17.9 O MÉTODO DAS VARIÁVEIS INSTRUMENTAIS
17.10 DETECÇÃO DA AUTOCORRELAÇÃO NOS MODELOS AUTO-REGRESSIVOS: O TESTE h DE DURBIN
17.11 UM EXEMPLO NUMÉRICO: A DEMANDA POR MOEDA NO CANADÁ, PRIMEIRO TRIMESTRE DE 1979
AO QUARTO TRIMESTRE DE 1988
17.12 EXEMPLOS ILUSTRATIVOS
17.13 A ABORDAGEM DE ALMON AOS MODELOS DE DEFASAGENS DISTRIBUÍDAS: A DEFASAGEM
DISTRIBUÍDA DE ALMON OU POLINOMIAL
17.14 CAUSALIDADE EM ECONOMIA: O TESTE DE CAUSALIDADE DE GRANGER
O teste de Granger
Uma nota sobre causalidade e exogeneidade
17.15 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 17A
17A.1 O TESTE DE SARGAN PARA A VALIDADE DOS INSTRUMENTOS

PARTE IV MODELOS DE EQUAÇÕES SIMULTÂNEAS
18 Modelos de Equações Simultâneas
18.1 A NATUREZA DOS MODELOS DE EQUAÇÕES SIMULTÂNEAS
18.2 EXEMPLOS DE MODELOS DE EQUAÇÕES SIMULTÂNEAS
18.3 O VIÉS DAS EQUAÇÕES SIMULTÂNEAS: INCONSISTÊNCIA DOS ESTIMADORES DE MQO
18.4 O VIÉS DAS EQUAÇÕES SIMULTÂNEAS: UM EXEMPLO NUMÉRICO
18.5 RESUMO E CONCLUSÕES
EXERCÍCIOS
19 O Problema da Identificação
19.1 NOTAÇOES E DEFINIÇOES
19.2 O PROBLEMA DA IDENTIFICAÇÃO
Subidentificação
Identificação exata
Superidentificação
19.3 REGRAS PARA A IDENTIFICAÇÃO
A condição de ordem para identificação
Condição de posto para identificação
19.4 UM TESTE DE SIMULTANEIDADE
O teste de especificação de Hausman
19.5 TESTES DE EXOGENEIDADE
RESUMO E CONCLUSÕES
EXERCÍCIOS
20 Métodos de Equações Simultâneas
20.1 ABORDAGENS DA ESTIMAÇAO
20.2 MODELOS RECURSIVOS E MÍNIMOS QUADRADOS ORDINÁRIOS
20.3 ESTIMAÇÃO DE UMA EQUAÇÃO EXATAMENTE IDENTIFICADA: O MÉTODO DE MÍNIMOS
QUADRADOS INDIRETOS (MQI)
Um exemplo ilustrativo
Propriedades dos estimadores de MQI
20.4 ESTIMAÇÃO DE UMA EQUAÇÃO SUPERIDENTIFICADA: O MÉTODO DE MÍNIMOS QUADRADOS DE DOIS ESTÁGIOS (MQ2E)
20.5MQ2E: UM EXEMPLO NUMÉRICO
20.6 EXEMPLOS ILUSTRATIVOS
20.7 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE 20A
20A.1 TENDÊNCIA NOS ESTIMADORES DE MÍNIMOS QUADRADOS INDIRETOS
20A.2 ESTIMAÇÃO DE ERROS-PADRÃO DE ESTIMADORES MQ2E
21 Econometria de Séries Temporais: Alguns Conceitos Básicos
21.1 EXAME DE ALGUMAS SERIES TEMPORAIS DA ECONOMIA DOS ESTADOS UNIDOS
21.2 CONCEITOS-CHAVE
21.3 PROCESSOS ESTOCÁSTICOS
Processos estocásticos estacionários
Processos estocásticos não-estacionários
21.4 PROCESSO ESTOCÁSTICO DE RAIZ UNITÁRIA
21.5 PROCESSOS ESTOCÁSTICOS DE TENDÊNCIA ESTACIONÁRIA E ESTACIONÁRIOS EM DIFERENÇAS
21.6 PROCESSOS ESTOCÁSTICOS INTEGRADOS
Propriedades das séries integradas
21.7 O FENÔMENO DA REGRESSÃO ESPÚRIA
21.8 TESTES DE ESTACIONARIEDADE
1. Análise Gráfica
2. Função de Autocorrelação e Correlograma
Significância estatística dos coeficientes de autocorrelação
21.9 O TESTE DA RAIZ UNITÁRIA
O teste de Dickey-FuIIer aumentado
Teste de significância de mais de um coeficiente: o teste F
Os testes de raiz unitária de Phillips-Perron
Uma crítica aos testes de raiz unitária
21.10 TRANSFORMAÇÃO DE SÉRIES TEMPORAIS NÃO-ESTACIONÁRIAS 657
Processos estacionários em diferenças
Processo estacionário em tendência
21.11 CO-INTEGRAÇÃO: REGRESSÃO DE UMA SÉRIE TEMPORAL COM RAIZ UNITÁRIA CONTRA OUTRA
SÉRIE TEMPORAL COM RAIZ UNITÁRIA
Teste de co-integração
Co-integração e mecanismo de correção de erro
21.12 ALGUMAS APLICAÇÕES ECONÔMICAS
21.13 RESUMO E CONCLUSÕES
EXERCÍCIOS
22 Econometria de Séries Temporais: Previsão
22.1 ABORDAGENS A PREVISAO ECONOMICA
Métodos de suavizamento exponencial
Modelos de regressão com uma única equação
Modelos de regressão com equações simultâneas
Modelos ARIMA
Modelos VAR
22.2 MODELAGEM DE SÉRIES TEMPORAIS SEGUNDO OS MÉTODOS AUTO-REGRESSIVO, DAS MÉDIAS
MÓVEIS E ARIMA
Um processo auto-regressivo (AR)
Um processo de média móvel (MA)
Um processo auto-regressivo e de médias móveis (ARMA)
Um processo auto-regressivo integrado e de médias móveis (ARIMA)
22.3 O MÉTODO BOX—JENKINS
22.4 IDENTIFICAÇÃO
22.5 ESTIMAÇÃO DO MODELO ARIMA
22.6 TESTES PARA DIAGNÓSTICO
22.7 PREVISÕES
22.8 OUTROS ASPECTOS DO MÉTODO BOX—JENKINS
22.9 AUTO-REGRESSÃO VETORIAL (VAR)
Estimação ou VAR
Previsão com VAR
VAR e causalidade
Alguns problemas da modelagem VAR
Uma aplicação da VAR: um modelo VAR da economia do Texas
22.10 MEDINDO A VOLATILIDADE EM SÉRIES TEMPORAIS FINANCEIRAS: OS MODELOS ARCH E GARCH
O que fazer quando ARCH está presente
Uma palavra sobre o d de Durbin—Watson e o efeito ARCH
Uma nota sobre o modelo GARCH
22.11 EXEMPLOS FINAIS
22.12 RESUMO E CONCLUSÕES 694
EXERCÍCIOS
Apêndice A Revisão de Alguns Conceitos de Estatística
A.1 OPERADORES DE SOMATÓRIO E DE PRODUTO
A.2 ESPAÇO AMOSTRAL, PONTOS AMOSTRAIS E EVENTOS
A.3 PROBABILIDADE E VARIÁVEIS ALEATÓRIAS
Probabilidade
Variáveis aleatórias
A.4 FUNÇAO DE DENSIDADE DE PROBABILIDADE (FDP)
Função de densidade de probabilidade de uma variável aleatória discreta
Função de densidade de probabilidade de uma variável aleatória contínua
Funções de densidade de probabilidade conjunta
Função de densidade de probabilidade marginal
Independência estatística
A.5 CARACTERÍSTICAS DAS DISTRIBUIÇÕES DE PROBABILIDADE
Valor esperado
Propriedades dos valores esperados
Variância
Propriedades da variância
Covariância
Propriedades da covariância
Coeficiente de correlação
Expectativa condicional e variância condicional
Propriedades da expectativa condicional e da variância condicional
Momentos de ordem superior das distribuições de probabilidade
A.6 ALGUMAS DISTRIBUIÇÕES DE PROBABILIDADE TEÓRICAS IMPORTANTES
Distribuição normal
A distribuição x2 (qui-quadrado)
Distribuição tde Student
A distribuição F
Distribuição binomial de Bernoulli
Distribuição binomial
A distribuição de Poisson
A.7 INFERÊNCIA ESTATÍSTICA: ESTIMAÇÃO
Estimação pontual
Estimação intervalar
Métodos de estimação
Propriedades das amostras pequenas
Propriedades das amostras grandes
A.8 INFERÊNCIA ESTATÍSTICA: TESTE DE HIPÓTESES
Abordagem do intervalo de confiança
A abordagem do teste de significância
REFERÊNCIAS
Apêndice B Rudimentos de Álgebra Matricial
B.1 DEFINIÇOES
Matriz
Vetor coluna
Vetor linha
Transposição
Submatriz
B.2 TIPOS DE MATRIZES
Matriz quadrada
Matriz diagonal
Matriz escalar
Matriz identidade ou unidade
Matriz simétrica
Matriz nula
Vetor nulo
Matrizes iguais
B.3 OPERAÇÕES COM MATRIZES
Soma de matrizes
Subtração de matrizes
Multiplicação escalar
Multiplicação de matrizes
Propriedades da multiplicação de matrizes
Transposição de matrizes
Inversão de matrizes
B.4 DETERMINANTES
Cálculo do determinante
Propriedades dos determinantes
Posto de uma matriz
Menor
Co-fator
B.5 ACHANDO A INVERSA DE UMA MATRIZ QUADRADA
B.6 DIFERENCIAÇÃO MATRICIAL
REFERÊNCIAS
Apêndice C A Abordagem Matricial para o Modelo de Regressão Linear
C.1 O MODELO DE REGRESSÃO LINEAR COM k VARIÁVEL
C.2 PREMISSAS DO MODELO DE REGRESSÃO LINEAR CLÁSSICO EM NOTAÇÃO MATRICIAL
C.3 ESTIMATIVA POR MÍNIMOS QUADRADOS ORDINÁRIOS (MQO)
Uma ilustração
Matriz de variâncias e covariáncias de Propriedades do vetor de mínimos quadrados ordinários (MQO)
C.4 O COEFICIENTE DE DETERMINAÇÃO R2 EM NOTAÇÃO MATRICIAL
C.5 A MATRIZ DE CORRELAÇÕES
C.6 TESTE DE HIPÓTESES SOBRE COEFICIENTES DE REGRESSÀO INDIVIDUAIS EM NOTAÇÃO MATRICIAL
C.7 TESTES DE SIGNIFICÂNCIA GERAL DA REGRESSÃO: ANÁLISE DE VARIÂNCIA EM NOTAÇÃO
MATRICIAL
C.8 TESTE DE RESTRIÇÕES LINEARES: TESTE F GERAL USANDO NOTAÇÃO MATRICIAL
C.9 PREVISÃO COM USO DE REGRESSÃO MÚLTIPLA: FORMULAÇÃO EM MATRIZES
Previsão da média
Variância da previsão da média
Previsão individual
Variância da previsão individual
C10 RESUMO DA ABORDAGEM MATRICIAL: UM EXEMPLO ILUSTRATIVO
C.11 MÍNIMOS QUADRADOS GENERALIZADOS (MQG)
C.12 RESUMO E CONCLUSÕES
EXERCÍCIOS
APÊNDICE CA
CA.1 DERIVAÇÃO DE k EQUAÇÕES NORMAIS OU SIMULTÂNEAS
CA.2 DERIVAÇÃO MATRICIAL DE EQUAÇÕES NORMAIS
CA.3 MATRIZ DE VARIÂNCIAS E COVARIÂNCIAS DE
CA.4 PROPRIEDADE DE MELHOR ESTIMADOR LINEAR NÃO TENDENCIOSO DOS ESTIMADORES DE
MÍNIMOS QUADRADOS ORDINÁRIOS
Apêndice D Tabelas Estatísticas
Apêndice E Dados Econômicos Na World Wide Web
BIBLIOGRAFIA
ÍNDICE REMISSIVO