Econometria I
Código: PECO6021
Curso: Doutorado em Economia
Créditos: 4
Carga horária: 60
Ementa:
Ementa
Modelo de regressão linear clássico: método dos mínimos quadrados ordinários; inferência; problemas com erros nas variáveis independentes, autocorrelação nos resíduos, multicolinearidade, heteroscedasticidade e má especificação de modelo. Modelo de regressão linear generalizado. Modelos para dados em painel. Modelos para variáveis dependentes qualitativas. Método generalizado de momentos.
Conteúdo programático
Parte I
1) O modelo de regressão linear clássico (MRLC) com álgebra linear (Greene; capítulo 2 e apêndice A);
2) Estimação do MRLC por mínimos quadrados ordinários (MQO) (Greene; capítulo 3);
3) Propriedades estatísticas do estimador de mínimos quadrados ordinários em amostras finitas (Greene; capítulo 4; seções 4.1 a 4.3);
4) Testes de hipótese e seleção de modelos (Greene; capítulo 5 e apêndice B);
5) Estimação do MRLC por máxima verossimilhança (Greene; capítulo 14; seções 14.1 a 14.4 e 14.6);
6) Propriedades estatísticas do estimador de MQO em amostras grandes (Greene; capítulo 4; seção 4.4);
7) Formas funcionais e mudança estrutural (Greene; capítulo 6);
8) Endogeneidade e estimação pelo método de variável instrumental (Greene; capítulo 8).
Parte II
9) Mínimos quadrados generalizados (MQG) (Greene; capítulo 9; seções 9.1 a 9.3);
10) Heteroscedasticidade (Greene; capítulo 9; seções 9.4 a 9.8);
11) Autocorrelação ou correlação serial (Greene; capítulo 20; seções 20.1 a 20.3 e 20.7 a 20.9).
Parte III
12) Introdução aos modelos de dados em painel: pooling, efeitos fixos, efeitos aleatórios e primeiras diferenças (Greene; capítulo 11; seções 11.1 a 11.4 e 11.5);
13) Modelos de escolha discreta: logit e probit (Greene; capítulo 17; seções 17.2 a 17.4);
14) Método generalizado de momentos: introdução (se o tempo permitir) (Greene; capítulo 13; seção 13.4).
Bibliografia:
BALTAGI, B.H. Econometrics, 3. ed. Springer-Verlag, 2002.CAMERON, A. C.; TRIVEDI, P. K. Microeconometrics methods and applications. New York: Cambridge University Press, 2005.
DAVIDSON, R; MACKINNON, J. G. Econometric Theory and Methods. Oxford University Press, 2003.
GREENE, W. H. Econometric analysis. 7 ed. New York: Pearson Prentice Hall, 2017. (livro base)
GRIFFITHS, W. E.; HILL, R. C.; JUDGE, G. G. Learning and practicing econometrics. New York: John Wiley & Sons Inc. 1993.
GUJARATI, D. N.; PORTER, D. C. Basic econometrics. 5 ed. New York: McGraw-Hill/Irwin, 2008.
HAYASHI, F. Econometrics. New Jersey: Princeton University Press, 2000.
HEISS, F. Using R for introductory econometrics. Createspace Independent Publishing Platform, 2016.
HORTON, N. J.; KLEINMAN, K. Using R for data management, statistical analysis, and graphics. 2 ed. New York: Chapman and Hall/CRC, 2011.
JOHNSTON, J.; DINARDO, J. Econometric methods. 4 ed. New York: McGraw-Hill, 1997.
KLEIBER, C.; ZEILEIS, A. Applied econometrics with R. New York: Springer, 2008.
MONTGOMERY, D. C.; PECK, E, A.; VINING, G. G. Introduction to linear regression analysis. 4 ed. New Jersey: Wiley Interscience, 2006.
SPANOS, A. Statistical foundations of econometric modelling. Cambridge: Cambridge University Press, 1986.
WOOLDRIDGE, J. M. Econometric analysis of cross section and panel data. Cambridge, Mass: MIT Press, 2002.
