Econometria I

Objectivos

Os principais objetivos da disciplina são:

  • Desenvolver a capacidade de compreender os modelos econométricos e identificar o seu âmbito de aplicação;
  • Desenvolver competências para construir e analisar modelos econométricos, nomeadamente no que respeita à sua especificação, identificação e estimação;
  • Desenvolver a capacidade de interpretar os resultados empíricos.

Caracterização geral

Código

100049

Créditos

6.0

Professor responsável

Bruno Miguel Pinto Damásio

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

Pré-requisitos (recomendados): Estatística, Álgebra Linear, Análise Matemática

Bibliografia

  • Hill, R. C., Griffiths, W. E. e Lim, G. C. (2012). Principles of Econometrics. 4th edition, John Wiley and Sons;
  • Wooldridge, J.M. (2013): Introductory Econometrics: A Modern Approach, 5th Edition, South Western Cengage Learning;
  • Oliveira, M. et al. (2011). Econometria. Escolar Editora; Greene, W. H. (2012). Econometric Analysis. 7th Edition. Prentice Hall;
  • Gujarati, D., Porter, D. (2009). Basic Econometrics. 5th Edition. McGraw-Hill/Irwin.

Método de ensino

Aulas Teóricas (Método Expositivo e Interrogativo)

Aulas Práticas (Método Demonstrativo e Ativo)

Método de avaliação

Época Regular (Avaliação Contínua):

  • (30%) 1.ª Frequência (11/05/2018)
  • (35%) 2.ª Frequência (25/06/2018)
  • (35%) Projeto
    • Entrega 1 (23/03/2018) – Análise Exploratória, Estatística Descritiva, Pré-tratamento
    • Entrega 2 (01/05/2018) – Modelo Teórico, Resultados Preliminares
    • Entrega Final (08/06/2018) – Relatório Final, Apresentação

            NOTA: As entregas intermédias são essenciais para que os docentes possam dar o acompanhamento necessário ao desenvolvimento do projeto.

 

Época de Recurso:

  • (100%) Exame Final (13/07/2018)

           ou

  • (65%) Exame Final (13/07/2018) + (35%) Projeto

 

  • Notas:
  1. No regime de avaliação em Época Regular, o aluno deve obter uma classificação mínima de 9 valores em cada uma das frequências e de 7 valores no Projeto. Na Época de Recurso, caso o aluno beneficie da nota ponderada (exame final + projeto), deverá igualmente obter uma classificação mínima de 9 valores no exame final e de 7 valores no Projeto).
  2. As frequências e exames são realizados sem consulta, sendo permitida a utilização de uma máquina de calcular NÃO GRÁFICA.

Conteúdo

1.Introdução à Econometria
1.1.O que é a Econometria?
1.2.Tipos de dados utilizados
1.3.O Modelo Clássico de Regressão Linear Simples (MCRLS)
1.4.O método de estimação dos Mínimos Quadrados Ordinários aplicado ao MCRLS
1.5.Inferência estatística aplicada ao MCRLS
2.O Modelo Clássico de Regressão Linear Múltipla (MCRLM)
2.1.Especificação do modelo teórico para relações lineares
2.2.A forma matricial do MCRLM
2.3.O método de estimação dos Mínimos Quadrados Ordinários aplicado ao MCRLM
2.4.Inferência estatística aplicada ao MCRLM
2.5.Os coeficientes de determinação
2.6.Hipóteses fundamentais do MCRLM e o teorema de Gauss-Markov
2.7.Propriedades assintóticas do estimador de MQO
3.Formas funcionais para relações não lineares
3.1.Modelo polinomial
3.2.Modelo log-linear
3.3.Modelo log-log
3.4.Termos de interação
4.Inclusão de variáveis qualitativas independentes no MCRLM
4.1.Variáveis binárias
4.2.Variáveis multinomiais e ordinais
4.3.Multicolinearidade perfeita
4.4.Teste de alteração de estrutura entre dois grupos
5.Análise de especificação
5.1.Heterocedasticidade
5.1.1.Definição e consequências para as propriedades do estimador de MQO
5.1.2.Testes para identificação de padrões de heterocedasticidade - White, White generalizado, Breusch-Pagan e Goldfeld-Quandt
5.1.3.A Matriz robusta à heterocedasticidade (matriz de White)
5.1.4.Mínimos Quadrados Generalizados (MQG)
5.2.Colinearidade
5.3.Omissão de regressores relevantes
5.4.Inclusão de regressores irrelevantes
5.5.Teste RESET para a forma funcional do modelo
5.6.Teste de Davidson-Mackinnon para modelos não encaixados

Cursos

Cursos onde a unidade curricular é leccionada: