Métodos Econométricos

Objetivos

1. Compreender o contexto para regressão linear simples
2. Avaliar modelos de regressão linear simples
3. Usar um modelo de regressão linear simples para estimar e prever valores prováveis
4. Compreender os pressupostos que precisam ser atendidos para que um modelo de regressão linear simples seja válido
5. Compreender como múltiplos preditores podem ser incluídos num modelo de regressão
6. Compreender as hipóteses que precisam ser verificadas no modelo de regressão múltipla
7. Usar um modelo de regressão linear múltipla para estimar e prever valores prováveis
8. Compreender como os preditores categóricos podem ser incluídos em um modelo de regressão
9. Aprender a transformar dados para lidar com problemas identificados no modelo de regressão
10. Compreender os métodos alternativos para estimar uma regressão
11. Compreender modelos de regressão em contextos dependentes do tempo
12. Compreender modelos de regressão em contextos não lineares

Caracterização geral

Código

200090

Créditos

7.5

Professor responsável

Manuel José Vilares

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Pré-requisitos

Bibliografia

- Kutner, M. H., Nachtsheim, C., Neter, J., Li, W. (20 05). Applied linear statistical models. 5th edition, McGraw-Hill/Irwin
- Wooldridge, J. M. (2009). Introductory Econometrics. A Modern approach. 4th Edition, South Western
- Greene, W. H. (2012). Econometric Analysis. 7th Edition. Prentice Hall
- Johnston, J. , Dinardo, J (1997). Econometrics Methods. 4th Edition. Economics Series, McGraw Hill

Método de ensino

A unidade curricular é baseada em aulas teóricas e práticas. Serão aplicadas diversas estratégias de ensino, incluindo exposição e demonstrações com apresentação de slides, aplicações passo a passo (com e sem software), perguntas e respostas. As sessões incluem apresentação de conceitos e metodologias, resolução de exemplos, discussão e interpretação de resultados. A componente prática está orientada para a resolução de problemas e exercícios, incluindo a discussão e interpretação de resultados. É igualmente proposto um caderno de exercícios que deverão ser resolvidos com trabalho individual fora das aulas.

Método de avaliação

Avaliação:
1ª época: projeto (40%), exame 1º época (60%)
2ª época: exame final (100%)

Conteúdo

1. Regressão Linear Simples (SLR)
2. Avaliação do Modelo SLR
3. Estimativa e Predição em SLR
4. Hipóteses do Modelo SLR
5. Regressão Linear Múltipla (MLR)
6. Avaliação do Modelo de MLR
7. Modelo MLR: Estimação, Predição e Modelo
8. Preditores e transformações de dados categóricos
9. Multicolinearidade e outras armadilhas de regressão
10. Quadrados Mínimos Ponderados e Regressão Robusta
11. Séries Temporais e Autocorrelação
12. Regressão logística, Poisson e não-linear

Cursos

Cursos onde a unidade curricular é leccionada: