Estas questões têm todas algo em comum: perceber quais são os factores que influenciam uma determinada variável. Para responder a esta questão, é necessário conhecer esses factores, para depois construir um modelo (e, já agora, se encontrarem um modelo que responda favoravelmente ao porquê do aumento das acções, contactem-me, que eu deixo de me preocupar com a Euribor).
Uma das grandes diferenças entre as ciências sociais (nas quais se inclui a Economia) e as ciências exactas é o facto de nas primeiras não ser possível efectuar experiências em laboratório. Por esse motivo têm que se recolher dados não experimentais, para efectuar as análises econométricas.
Após recolher os dados para as variáveis em causa, o objectivo seguinte é o de estimar o modelo. A estimação do modelo é feita recorrendo a técnicas estatísticas. Mais do que estimar, o que se pretende é, posteriormente, analisar os resultados: verificar se são coerentes com os modelos económicos e verificar se as variáveis são interessantes, no estudo em causa (aquilo a que se chama inferência).
É isto que é a Econometria: Estatística aplicada à Economia. O objectivo é efectivamente perceber o que afecta uma determinada variável. Mas também mais que isso: dependendo dos casos, interessará avaliar o impacto de determinadas políticas económicas, efectuar previsão de valores ou até chegar à conclusão que é muito difícil prever os retornos das acções. Passa por analisar os modelos e efectuar a ligação entre a teoria económica e os dados reais.
0. Introdução
0.1 O que é a Econometria?
0.2 Tipos de dados em Econometria?
0.3 Organização do livro
1. Regressão linear simples
1.1 O modelo de regressão linear simples
1.2 Método dos Mínimos Quadrados
1.3 Premissas e propriedades dos estimadores
1.4 Um exemplo de um modelo de regressão linear simples
2. Regressão linear múltipla
2.1 O modelo de regressão linear múltipla
2.2 O Método dos Mínimos Quadrados na regressão linear múltipla
2.3 A forma matricial para cálculo dos β’s
2.4 A tabela Anova e o coeficiente de determinação
2.5 Premissas e propriedades dos estimadores
2.6 Um exemplo de um modelo de regressão linear múltipla
3. Outros tópicos de regressão linear
3.1 Variáveis não lineares e mudança de unidades
3.1.1 Variáveis não lineares: logaritmos, variáveis quadráticas e termos de interacção
3.1.2 Mudança de unidades
3.2 Inferência
3.2.1 Testes de hipótese e intervalos de confiança para um parâmetro
3.2.2 Testes de hipótese para vários parâmetros
3.2.3 Testes de hipótese e intervalos de confiança para uma combinação linear de parâmetros
3.2.4 Previsão
3.3 Selecção de modelos e forma funcional
3.3.1 Selecção entre modelos alternativos
3.3.2 Análise da forma funcional do modelo: o teste Reset
3.4 Regressão com variáveis independentes qualitativas
3.4.1 Variáveis dummy e variáveis interacção
3.4.2 Estabilidade estrutural: o teste de Chow
3.4.3 Introdução de uma variável dummy no modelo do PIBpc
3.5 Teoria assimptótica
3.5.1 Propriedades em amostras grandes
3.5.2 O teste LM
3.6 Heteroscedasticidade
3.6.1 Heteroscedasticidade, consequências e formas de testar
3.6.2 Formas de solução para a heteroscedasticidade
3.6.3 Um exemplo de análise de heteroscedasticidade
3.7 A existência de erros de medida
4. Modelos de variável dependente limitada
4.1 Modelo linear de probabilidade
4.1.1 O modelo em termos teóricos
4.1.2 Uma aplicação prática do modelo linear de probabilidade
4.2 Modelos logit e probit
4.2.1 Os modelos logit e probit em termos teóricos
4.2.2 Aplicação prática de logit e probit
4.3 Modelo tobit
4.3.1 O modelo tobit teórico
4.3.2 Uma aplicação prática do tobit
5. Séries temporais
5.1 Análise econométrica com séries temporais
5.1.1 Propriedades em amostras finitas
5.1.2 Modelos estáticos e com desfasamentos
5.1.3 Tendência e sazonalidade
5.1.4 Forma funcional em séries temporais
5.1.5 Desfasamentos, tendência e sazonalidade no PSI-20
5.2 A estacionaridade e o método dos mínimos quadrados
5.2.1 Estacionaridade e não estacionaridade em séries temporais
5.2.2 Exemplos de processos fracamente dependentes e não fracamente dependentes
5.2.3 Propriedades em amostras infinitas
5.2.4 O problema das séries fortemente persistentes
5.3 O problema da autocorrelação
5.3.1 Autocorrelação, consequências e formas de testar
5.3.2 Formas de solução para a autocorrelação
5.3.3 A heteroscedasticidade e o efeito ARCH
5.3.4 Autocorrelação, heteroscedasticidade e ARCH no PSI-20
5.4 Estacionaridade, cointegração e regressão espúria
5.4.1 Análise da estacionaridade
5.4.2 Regressão espúria, cointegração e modelo corrector do erro
5.4.3 Estacionaridade e cointegração no PSI-20
5.5 Previsão
5.5.1 Algumas noções de previsão em séries temporais
5.5.2 Previsão no modelo do PSI-20
5.6 Procedimentos de análise em séries temporais numa investigação real
6. Dados de painel
6.1 Agrupamento de dados seccionais no tempo
6.1.1 A (breve) abordagem teórica
6.1.2 Uma aplicação de dados seccionais agrupados no tempo
6.2 Dados de painel
6.2.1 Dados de painel com dois momentos diferentes
6.2.2 Dados de painel com mais do que dois momentos
6.2.3 Modelo de efeitos fixos
6.2.4 Modelo de efeitos aleatórios
6.2.5 Estimação de dados de painel na taxa de crescimento do PIB
7. Variáveis instrumentais
7.1 Variáveis instrumentais num modelo de regressão linear simples
7.2 Variáveis instrumentais num modelo de regressão linear múltipla
7.3 A utilização de mais de uma variável instrumental – o método dos mínimos quadrados em dois passos
7.4 Testes de endogeneidade e de restrições de sobreidentificação
7.5 Uma aplicação com variáveis instrumentais
7.6 Modelos de equações simultâneas – um caso particular de resolução com variáveis instrumentais
7.6.1 Origem e consequência das equações simultâneas
7.6.2 Identificação e estimação de sistemas de equações simultâneas
