Econometria básica/

por GUJARATI, Damodar N.
[ Livros ] Motivo da edição:5. ed. Publicado por : AMGH, (Porto Alegre:) Detalhes físicos: 924 p. ISBN:9788565308320.
Assunto(s): Econometria
Ano: 2011 Tipo de Material: Livros
Tags desta biblioteca: Sem tags desta biblioteca para este título. Faça o login para adicionar tags.
Localização atual Classificação Exemplar Situação Previsão de devolução Código de barras Reservas do item
Biblioteca Agamenon Magalhães
330.015195 G969e (Percorrer estante) 1 Disponível 2021-0150
Biblioteca Agamenon Magalhães
330.015195 G969e (Percorrer estante) 2 Emprestado 02.07.2024 2021-0151
Total de reservas: 0
Visitando a Biblioteca Agamenon Magalhães percorrendo as estantes Fechar navegador da prateleira
330.015195 B928e Econometria de Séries Temporais/ 330.015195 E56a Applied econometric time series/ 330.015195 G969e Econometria Básica/ 330.015195 G969e Econometria básica/ 330.015195 G969e Econometria básica/ 330.015195 H157u Understanding Econometrics 330.015195 K63a Applied econometrics with R/

Tradução de Basic Econometrics. 5th edition.

Introdução

1.1O que é econometria?
1,2Por que uma disciplina separada?

1.3A metodologia econométrica
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 para fins de controle ou de política
escolha do modelo

1.4.Tipos de econometria
1.5.Pré-requisitos matemáticos e estatísticos
1.6.papel do computador
1.7Sugestões para leituras complementares

PARTE 1
MODELOS DE REGRESSÃO COM EQUAÇÃO ÚNICA

CAPÍTULO 1
A natureza da análise de regressão

1.1Origem histórica do termo regressão
1.2A interpretação moderna da regressão

Exemplos

1.3Relações estatísticas versus determinísticas
1.4Regressão versus causação
1.5Regressão versus correlação
1.6Terminologia e notação
1.7Natureza e fonte dos dados para a análise econômica

Tipos de dados
As fontes de dados
A precisão dos dados
Uma nota sobre as escalas de medição das variáveis
Resumo e conclusões
Exercícios

CAPITULO 2
Análise de regressão com duas variáveis: algumas ideias básicas

2.1Um exemplo hipotético
2.2Conceito de função de regressão populacional (FRP)

2.3O significado do termo linear
Linearidade nas variáveis
Linearidade nos parâmetros

2.4Especificação estocástica da FRP
2.50 significado do termo "erro estocástico”
2.6A função de regressão amostral (FRA)
2.7Exemplos ilustrativos
Resumo e conclusões
Exercícios

CAPÍTULO 3
Modelo de regressão de duas variáveis: o problema da estimação

3.1Método dos mínimos quadrados ordinários
3.2O modelo clássico de regressão linear: as hipóteses subjacentes ao método dos mínimos quadrados um comentário a respeito dessas hipóteses
3.3Precisão ou erros padrão das estimativas de mínimos quadrados
3.4Propriedades dos estimadores de mínimos quadrados: o teorema de Gauss-Markov
3.5O coeficiente de determinação r2: uma medida da "qualidade do ajustamento"
3.6Um exemplo numérico
3.7Exemplos ilustrativos
3.8Uma nota sobre os experimentos de Monte Cano
Resumo e conclusões
Exercícios

Apêndice3A
3A.1Derivação dos estimadores de mínimos quadrados
3A.2Propriedades de linearidade e não tendenciosidade dos estimadores de mínimos quadrados
3A.3Variâncias e erros padrão dos estimadores de mínimos quadrados
3A.4Covariância entre À
3A.5Estimador de mínimos quadrados de 0.2
3A.6Propriedade da variância mínima dos estimadores de mínimos quadrados
3A.7Consistência dos estimadores de mínimos quadrados

CAPÍTULO 4
Modelo clássico de regressão linear normal (MCRLN)

4.1A distribuição de probabilidade dos termos de erro u
4.2A hipótese de normalidade de u,Por que utilizamos a hipótese de normalidade
4.3Propriedades dos estimadores de MQO sob a hipótese de normalidade
4.4O método da máxima verossimilhança (MV)
Resumo e conclusões

Apêndice4A
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

CAPÍTULO 5
A regressão de duas variáveis: estimação de intervalo e teste de hipóteses

5.1Pré-requisitos estatísticos
5.2Estimativa de intervalo: algumas ideias básicas

5.3Intervalos de confiança para os coeficientes f3 e 82 da regressão
Intervalo de confiança para P2
Intervalos de confiança simultâneos para B1 e B2

5.4Intervalo de confiança para a2 132
5.5Teste de hipóteses: comentários gerais

5.6Teste de hipóteses: a abordagem do intervalo de confiança
Teste bilateral ou bicaudal
Teste unilateral ou unicaudal

5.7Teste 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)

5.8Teste de hipóteses: alguns aspectos práticos
O sentido de "aceitar" ou "rejeitar" uma hipótese
A hipótese nula zero' e a regra prática"2
Elaboração das hipóteses nula e alternativa
Escolhendo a, o nível de significância
O nível de significância exalo: o valor p
Significância estatística versus significância prática
A escolha entre as abordagens do intervalo de confiança e do teste de signiflcáncia no teste de hipóteses

5.9Análise de regressão e análise de variância
5.10Aplicação da análise de regressão: o problema da previsão

Previsão média
Previsão individual

5.11A apresentação dos resultados da análise de regressão
5.12Avaliando os resultados da análise de regressão
Testes de normalidade
Resumo e conclusões
Exercícios

Apêndice5A
5A.1Distribuições de probabilidade relacionadas à distribuição normal
5A.2Derivação da equação (5.3.2)
5A.3Derivação da equação (5.9. 1)
5A.4Derivação das equações (5.10.2) e (5.10.6)
Variância da previsão média.
Variância da previsão individual

CAPÍTULO 6
Extensões do modelo de regressão linear de duas variáveis

6.1A regressão que passa pela origem Cálculo do r2 para modelos que passam pela origem
6.2Escalas e unidades de medida Uma palavra sobre a interpretação
6.3Regressão com variáveis padronizadas
6.4Formas funcionais dos modelos de regressão
6.5Como medir a elasticidade: o modelo log-linear

6.6Modelos semilogarítmicos: log-lin e lin-log
Como medir a taxa de crescimento: o modelo log-lin
O modelo lin-log

6.7Modelos recíprocos
Modelo da hipérbole logarítmica ou modelo recíproco logarítmico

6.8A escolha da forma funcional
6.9Um comentário sobre a natureza do termo de erro estocástico: termo aditivo versus termo multiplicativo

Resumo e conclusões
Exercícios

Apêndice6A
6A.1 Derivação de estimadores de mínimos quadrados para regressões que passam pela origem
6A.2 Demonstração de que uma variável padronizada tem média zero e variância igual a um
6A.3Logaritmos
6A.4Fórmulas de taxa de crescimento.
6A.5 O modelo de regressão Box-Cox

CAPÍTULO 7
Análise de regressão múltipla: o problema da estimação

7.1 O modelo de três variáveis: notação e hipóteses
7.2 Interpretação da equação de regressão múltipla
7.3 0 significado dos coeficientes parciais de regressão

7.4 Estimação dos coeficientes parciais de regressão por meio dos métodos de mínimos quadrados ordinários e de máxima verossimilhança
Estimadores de MQO.
Variâncias e erros padrão dos estimadores de MQO
Propriedades dos estimadores de MQO
Estimadores de máxima verossimilhança

7.5O coeficiente de determinação múltiplo, R2, e o coeficiente de correlação múltiplo,

7.6Exemplo ilustrativo
Regressão com variáveis padronizadas
Impacto sobre a variável dependente da variação de uma unidade em mais de um regressor

7.7Regressão simples no contexto da regressão múltipla: uma introdução ao viés de especificação

7.8 R e R ajustado
Comparação de dois valores de R2
Distribuição de R2 entre os regressores
O jogo "da maximização de R2

7.9A função de produção Cobb-Douglas: mais sobre formas funcionais
7.10 Modelos de regressão polinomial

7.11 Coeficientes de correlação parcial
Explicação de coeficientes de correlação simples e parcial
Interpretação dos coeficientes de correlação simples e parcial
Resumo e conclusões
Exercícios

Apêndice7A
7A.1 Derivação dos estimadores de MQO dados nas Equações (7.4.3) a (7.4.5)
7A.2 Igualdade dos coeficientes de PNBpc em (7.3.5) e (7.6.2)
7A.3 Derivação da Equação (7.4.19
7A.4 Estimação de máxima verossimilhança do modelo de regressão múltipla
7A.5 Tela do resultado do EViews para a função de produção Cobb-Douglas (7.9.4)

CAPÍTULO 8
Análise da regressão múltipla: o problema da inferência

8.1Novamente a hipótese da normalidade
8.2Teste de hipóteses na regressão múltipla: comentários gerais
8.3Testes de hipótese relativos aos coeficientes individuais de regressão

8.4Teste da significância geral da regressão amostral
A abordagem da análise de variáncia para teste de signficáncia geral de uma regressão múltipla observada: O teste F
Verificação da signficáncia geral de uma regressão múltipla: o teste F
Umarelação importante entre R2 e F
Teste de significância geral, em termos de R2, para uma regressão múltipla
A contribuição "incremental" ou marginal' de uma variável explanatória

8.5Teste da igualdade para dois coeficientes de regressão

8.6Mínimos quadrados restritos: teste de restrições de igualdade linear
A abordagem do teste r
A abordagem do teste F: mínimos quadrados restritos
Teste F geral

8.7Teste da estabilidade estrutural ou dos parâmetros nos modelos de regressão: o teste de Chow
8.8Previsão com regressão múltipla
8.9A trinca dos testes de hipótese: a razão de verossimilhança (RV), o teste de Wald (W) e o
Multiplicador de Lagrange(ML)
8.10Teste da forma funcional da regressão: escolha entre modelos de regressão lineares e log-lineares

Resumo e conclusões
Exercícios

Apêndice 8A: Teste da razão de verossimilhança (RV)

CAPÍTULO 9
Modelos de regressão com variáveis binárias (dummies)

9.1A natureza das variáveis dummies
9.2Modelos ANOVA
Advertência quanto ao uso de variáveis dummies
9.3Modelos ANOVA com duas variáveis qualitativas
9.4Regressão com uma mistura de regressores quantitativos e qualitativos: os modelos ANCOVA
9.5A Variável binária alternativa ao teste de Chow
9.6Efeitos de interação usando variáveis dummies
9.7O uso de variáveis dummies na análise sazonal
9.8Regressão linear segmentada
9.9Modelos de regressão com dados em painel

9.10Alguns aspectos técnicos do modelo de variáveis dummies
A interpretação de variáveis dummies em regressões semilogarítmicas
Variáveis dummies e heterocedarticidade
Variáveis binárias e aulocorrelação
O que acontece se a variável dependente for uma variável dumrny?

9.11Tópicos para estudos avançados
9.12Um exemplo para concluir
Resumo e conclusões
Exercícios

Apêndice 9A: Regressão semilogarítimica com regressor binário

PARTE 2
RELAXAMENTO DAS HIPÓTESES DO MODELO CLÁSSICO

CAPÍTULO 10
Multicolinearidade: o que acontece se os regressores estiverem correlacionados?

10.1A natureza da multicolinearidade
10.2Estimação na presença de multicolinearidade perfeita
10.3Estimação na presença de multicolinearidade "alta", mas "imperfeita
10.4Multicolinearidade: muito barulho por nada? Consequências teóricas da multicolinearidade

10.5Consequências práticas da multicolinearidade
Grandes variâncias e covariâncias dos estimadores de MQO
Intervalos de confiança mais amplos
Razões t "insignificantes"
Alto valor de R2,mas poucas razões t significativas
Sensibilidade dos estimadores de MQO e de seus erros padrão a pequenas alterações nos dados
Consequências da micronumerosidade

10.6Um exemplo ilustrativo
10.7Detecção da multicolinearidade

10.8Medidas corretivas
Não fazer nada
Procedimentos

10.9 A multicolinearidade é um mal necessário? Talvez não, se o objetivo for apenas a previsão
10.10 Um exemplo ampliado: os dados de Longley
Resumo e conclusões
Exercícios

CAPÍTULO 11
Heterocedasticidade: o que acontece se a variância do erro não é constante?

11.1A natureza da heterocedasticidade
11.2 Estimativa dos MQO na presença da heterocedasticidade

11.3O método dos mínimos quadrados generalizados (MQG)
Diferença entre os MQO e os MQG

11.4Consequências de usar MQO na presença de heterocedasticidade
Estimação de MQO admitindo-se a heterocedasticidade
Estimação de MQO desconsiderando a heterocedasticidade
Uma nota técnica

11.5Detecção da heterocedasticidade
Métodos informais
Métodos formais
Teste de correlação por ordem de Spearman
Teste geral de heterocedasticidade de White

11.6Medidas corretivas
Quando o é conhecido:o método de mínimos quadrados ponderados
Quando o não é conhecido

11.7Exemplos finais
11.8Uma advertência sobre reações exageradas à heterocedasticidade
Resumo e conclusões
Exercícios

Apêndice1
11A.1 Prova da Equação (ll.2.2)
11 A.2 O método de mínimos quadrados ponderados
11 A.3 Prova que E(2) ;É o2 na presença de heterocedasticidade
11A.4 Erros padrão robustos de White

CAPÍTULO 12
Autocorrelação: o que acontece se os termos de erro são correlacionados?

12.1A natureza do problema
12.2Estimativa de MQO na presença de autocorrelação
12.3O estimador BLUE na presença de autocorrelação

12.4Consequências do uso dos MQO na presença de autocorrelação
Estimação por meio de MQO considerando a autocorrelação
Estimação por meio de MQO não considerando a auiocorrelaçâo

12.5Relação entre salários e produtividade no setor empresarial dos Estados Unidos, 1960-2005

12.6Detecção de autocorrelação
I.Método gráfico
II.O teste das carreiras
III.O teste d de Durbin- Waison
IV.Um teste geral de autocorrelação: o teste de Breusch-Godfrev (BG)
Por que tantos testes de autocorrelação?

12.7O que fazer ao deparar-se com a autocorrelação: medidas corretivas
12.8Especificação equivocada do modelo versus autocorrelação pura

12.9Correção da autocorrelação (pura): o método dos mínimos quadrados generalizados (MQG)
Quando p é conhecido
Quando p não é conhecido

12.10 O método de Newey-West para corrigir os erros padrão do MQO
12.11MQO versas MQGF e CHA

12.12Aspectos adicionais da autocorrelação
Variáveis binárias e autocorrelação
Modelos ARCH e GARC'H
Coexistência de autocorreração e heterocedasticidade

12.13 Exemplo conclusivo
Exercícios

Apêndice12A
12A- 1Prova de que o erro no termo v, na equação (12.1 .11) está auto correlacionado
12A.2 Prova das equações (12.2.3), (12.2.4) e (12.2.5)


CAPÍTULO 13
Modelagem econométrica: especificação de modelo e teste diagnóstico

13.1Critérios de seleção de modelos
13.2Tipos de erros de especificação

13.3Consequências dos modelos com erros de especificação
Omissão de uma variável relevante (subespec/lcação)
Inclusão de uma variável irrelevante (sobre-especflcação)

13.4Testes dos erros de especificação
Detectando a presença de variáveis desnecessárias
Testes para omissão de variáveis e forma funcional incorreta

13.5Erros de medida
Erros de medida da variável dependente Y
Erros de medida na variável explanató ria X

13.6Especificação incorreta do termo de erro estocástico
13.7Modelos aninhados (nested) versus não aninhados (non-nested)

13.8Testes de hipóteses não aninhados (non-nested)
A abordagem discriminatória
A abordagem discernente

13.9Critérios para seleção de modelos
O critério R2
R2 ajustado
Critério de informação de Akaike (CIA)
Critério de informação de Schwarz (CIS)
Ocritério C de Mallows
Uma advertência sobre os critérios de seleção de modelos
Previsão qui-quadrado (x-')

13.10 Tópicos adicionais sobre modelagem econométrica
Dados discrepantes, alavancagem e influência
Mínimos quadrados recursivos
Teste de falhas de previsão de Chow
Dados faltantes

13.11 Exemplos conclusivos
1.Um modelo para determinação de salário por hora
2. Função de consumo real para os Estados Unidos,1947-2000

13.12 Erros não normais e regressores estocásticos
1. O que acontece se o termo de erro não tem distribuição normal?
2.Variáveis explanatórias eslocáslicas

13.13 Uma palavra ao pesquisador
Resumo e conclusões
Exercícios

Apêndicel3A
13A.1 A prova de que E(b12)=2+$3b32
13A.2 Consequências de incluir uma variável irrelevante: a propriedade de não tendenciosidade
13A.3A prova da equação (13.5.lO)
13A.4 Aprova da equação (13.6.2)

PARTE 3
TÓPICOS EM ECONOMETRIA

CAPÍTULO 14
Modelos de regressão não linear

14.1Modelos de regressão intrinsecamente linear e não linear
14.2Estimação dos modelos de regressão linear e não linear
14.3 Estimação de modelos de regressão não linear: o método da tentativa e erro

14.4 Abordagens para estimar modelos de regressão não linear (MRNL)
Método da busca direta ou da tentativa e erro ou método livre de derivada
Otimização direta
Método da linearização iterativa

14.5Exemplos ilustrativos
Resumo e conclusões
Exercícios

Apêndice14A
14A.1 Derivação de 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)

CAPÍTULO 15
Modelos de regressão de resposta qualitativa

15.1A natureza dos modelos de resposta qualitativa

15.2O modelo de probabilidade linear (MPL)
Ausência de normalidade dos termos de erro u
Variâncias heterocedásticas dos termos de erro
Impossibilidade de satisfazer O < E(Y, 1 X,)
O valor de R2 como medida de qualidade do ajustamento é questionável

15.3Aplicações do modelo de probabilidade linear (MPL
15.4 Alternativas ao MPL
15.5O modelo logit

15.6.Estimação do modelo logit
Dados individuais
Dados agrupados ou replicados

15.7O modelo logit agrupado (Glogit): um exemplo numérico
Interpretação do modelo logit estimado
15.8O modelo logit para dados não agrupados ou individuais

15.9O modelo probit
Estimação do probit com dados agrupados: gprobit
O modelo probit para dados não agrupados ou individuais
O efeito marginal de uma variação unitária no valor de um regressor nos vários modelos de regressão

15.10 Modelos logit e probit

15.11 O modelo tobit
Ilustração do modelo tobit: o modelo de Ray Fair de casos extraconjugais

15.12 Modelagem de dados contáveis: o modelo de regressão de Poisson

15.13 Outros tópicos sobre modelos de escolha qualitativa
Modelos logit e probit ordinais
Modelos logil e probit multinomiais
Modelos de duração
Resumo e conclusões
Exercícios

Apêndice15A
15A.1 Estimativa da máxima verossimilhança dos modelos logit e probit para dados individuais
(não agrupados)

CAPÍTULO 16
Modelos de regressão com dados em painel

16.1Por que dados em painel?
16.2Dados em painel: um exemplo ilustrativo

16.3 Modelo de regressão MQO para dados empilhados ou modelo de coeficientes constantes
14.4O modelo de mínimos quadrados com variáveis dummy para efeitos fixos (MQVD)
advertência quanto ao uso do modelo de efeito fixos

16.50 estimador de efeito fixo dentro do grupo (DG)

16.6O modelo de efeitos aleatórios (MEA)
Teste do multiplicador de Lagrange de Breusch e Pagan

16.7Propriedades de vários estimadores
16.8 Modelo de efeitos fixos versus modelo de efeitos aleatórios: algumas orientações
16.9Regressão de dados em painel: alguns comentários conclusivos
16.10 Alguns exemplos ilustrativos
Resumo e conclusões
Exercícios

CAPÍTULO 17
Modelos econométricos dinâmicos: modelos autorregressivos e com defasagens distribuídas

17.1O papel do "tempo" ou "defasagem" em economia
17.2A razão das defasagens

17.3 Estimação de modelos com defasagens distribuídas
Estimação ad hoc dos modelos de defasagens distribuídas

17.4A abordagem de Koyck dos modelos de defasagens distribuídas
A defasagem mediana
A defasagem média

17.5 Racionalização do modelo de Koyck: o modelo de expectativas adaptativas
17.6Outra justificativa do modelo de Koyck: o modelo de ajuste de estoques ou de ajustamento parcial
17.7Combinação dos modelos de expectativas adaptativas e de ajustamento parcial
17.8Estimação dos modelos autorregressivos
17.9O método de variáveis instrumentais (VI
17.10 Detectando a autocorrelação em modelos autorregressivos: 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 distribuição polinomial de
defasagens ou de Almon

17.14 Causalidade em economia: o teste de causalidade de Granger
O teste de Granger
Uma observação sobre causalidade e exogeneidade
Resumo e conclusões
Exercícios

Apêndice17A
17A.1 O teste de Sargan para a validade dos instrumentos

PARTE 4
MODELOS DE EQUAÇÕES SIMULTÂNEAS E ECONOMETRIA DE SÉRIES TEMPORAIS

CAPÍTULO 18
Modelos de equações simultâneas

18.1A natureza dos modelos de equações simultâneas
18.2Exemplos 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
Resumo e conclusões
Exercícios

CAPÍTULO 19
O problema da identificação
19.1Notações e definições

19.20 problema da identificação
Subidentificação
Identificação precisa ou exata
Super identificação

19.3Regras para a identificação
A condição de ordem de identificação
A condição deposto de identificação

19.4Um teste de simultaneidade
Teste de especificação de Hausman

19.5Testes de exogeneidade
Resumo e conclusões
Exercícios

CAPÍTULO 20
Métodos de equações simultâneas

20.1Abordagens da estimação
20.2Modelos recursivos e mínimos quadrados ordinários

20.3 Estimação de uma equação exatamente identificada: o método de mínimos quadrados indiretos (MQI)
Um exemplo
Propriedades dos estimadores de MQI

20.4 Estimação de uma equação superinderitificada: o método dos mínimos quadrados em dois estágios(MQ2E)
20.5MQ2E: um exemplo numérico
20.6Exemplos ilustrativos
Resumo e conclusões
Exercícios

Apêndice20A
20A. 1 Viés nos estimadores de mínimos quadrados indiretos
20A.2 Estimação de erros padrão dos estimadores de MQ2E

CAPÍTULO 21
Econometria de séries temporais: alguns conceitos básicos

21.1Um olhar sobre algumas séries temporais da economia dos Estados Unidos
21.2Conceitos-chave

21.3Processos estocásticos
Processos estocásticos
Processos estocásticos não estacionários

21.4 Processo estocástico de raiz unitária
21.5 Processos estocásticos de tendência estacionária (TE) e diferença estacionária (DE)

21.6 Processos estocásticos integrados
Propriedades das séries integradas

21.7O fenômeno da regressão espúria

21.8Testes de estacionariedade
1.Análise gráfica
2.Função de correlação (FAC) e correio grama
Significado estatístico dos coeficientes de correlação

21.9O teste da raiz unitária
O teste Dickey-Fuiier aumentado (DFA)
Testando a significância de mais de um coeficiente: o teste E
Os testes de raiz unitária Phillips-Perron
Testando as mudanças estruturais
Uma critica aos testes de raiz unitária

21.10 Transfomando a série temporal não estacionária
Processos de diferença estacionária
Processo estacionário em tendência

21.11Cointegração: regressão de uma série temporal com raiz unitária contra outra série temporal com raiz unitária
Teste de cointegração
Cointegração e mecanismo de correção de erro (MCE)

21.12 Algumas aplicações econômicas
Resumo e conclusões
Exercícios

CAPÍTULO 22
Econometria de séries temporais: previsão

22.1 Abordagens sobre a previsão econômica
Métodos de suavização exponencial
Modelos de regressão uniequacional
Modelos de regressão de equações simultâneas
Modelos ARIMA
Modelos VAR

22.2Modelagem de séries temporais de acordo com os métodos autorregressivo, das médias móveis
e ARIMA.
Um processo autorregressivo (AR)
Processo de média móvel (MA
Processo autorregressivo de médias móveis (ARMA)
Processo autorregressivo integrado de médias móveis (ARIMA)

22.3A metodologia Box-Jenkins (BJ)
22.4Identificação
22.5Estimação do modelo ARIMA
22.6Verificação do diagnóstico
22.7Previsão
22.8 Outros aspectos da metodologia BJ

22.9Vetores autorregressivos (VAR)
Estimação do VAR
Previsão com VAR
VAR e casualidade
Alguns problemas da modelagem VAR
Uma aplicação de VAR: um modelo VAR da economia do Tesas

22.10 Medindo a volatilidade na série temporal financeira: os modelos ARCH e GARCH
O que fazer se o ARCH estiver presente
Uma palavra sobre o d Durbin—Watson e o efeito ARCH
Uma nota sobre o modelo GARCH

22.11Exemplos finais
Resumo e conclusões
Exercícios

APÊNDICE A
Revisão de alguns conceitos estatísticos

A.1Operadores somatório e de produto
A.2Espaço amostral, pontos amostrais e eventos

A.3Probabilidade e variáveis aleatórias
Probabilidade
Variáveis aleatórias

A.4Função 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 As características das distribuições de probabilidade
Valor esperado
Propriedades dos valores esperados
Variância
Propriedades da variância
Covariância
Propriedades da covariáncia
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)
Distribuição1 de Student
A distribuição E
Distribuição binomial de Bernoulli
Distribuição binomial
A distribuição de Poisson

A.7Inferência estatística: estimação
Estimação pontual
Estimação intervalar
Métodos de estimação
Propriedades de pequenas amostras
Propriedades de grandes amostras
A.8 Inferência estatística: testando as hipóteses
A abordagem do intervalo de confiança
A abordagem do teste de significância
Referências

APÊNDICE B
Rudimentos de álgebra matricial

B.1Definições
Matriz
Vetor coluna
Vetor linha
Transposição
Submatriz

B.2Tipos de matrizes
Matriz quadrada
Matriz diagonal
Matriz escalar
Matriz identidade ou unidade
Matriz simétrica
Matriz nula
Vetor nulo Matrizes iguais

B.3Operações 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.4Determinantes
Avaliação de um determinante
Propriedades dos determinantes
Posto de uma matriz
Menor
Cofator
B.5Encontrando a inversa de uma matriz quadrada
B.6Diferenciação matricial
Referências

APÊNDICE C
A abordagem matricial para o modelo de regressão linear
C.1O modelo de regressão linear com k variáveis
C.2Hipóteses do modelo de regressão linear clássico em notação matricial
C.3Estimativa por mínimos quadrados ordinários (MQO
Uma ilustração
Matriz de variâncias e covariâncias de 0
Propriedades do vetor de MQO â
C.4O coeficiente de determinação R2 em notação matricial
C.5A matriz de correlações
C.6 Teste de hipóteses sobre coeficientes de regressão individual em notação matricial
C.7 Teste da significância geral da regressão: análise de variância em notação matricial
C.8 Teste de restrições lineares: teste F geral por meio da notação
C.9 Previsão com o uso da regressão múltipla: formulação matricial
Previsão da média
Variância da previsão da média
Previsão individual
Variância da previsão individual
C10 Resumo da abordagem matricial: um exemplo ilustrativo
C.11Mínimos quadrados generalizados (MQG)
C.12Resumo e conclusões
Exercícios
CA.1Derivação de k equações normais ou simultâneas
CA.2Derivação matricial de equações normais
CA.3Matriz de variâncias e covariâncias de
CA.4Propriedade de melhor estimador linear não viesado (MELNT) dos estimadores de mínimos quadrados ordinários(MQG

APÊNDICE D
Tabelas estatísticas
APÊNDICE E
Telas de resultado do EViews, MINITAB, Excel e STATA 891
E.1EViews
E.2MINITAB
E.3Excel
E.4STATA
E.5Comentários finais
Referências

APÊNDICE F
Dados econômicos na Internet
Referências bibliográficas
Índice


Não há comentários para este material.

Acesse sua conta para postar um comentário.

Clique em uma imagem para visualizá-la no visualizador de imagem

    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