Estas notas fazem parte dos meus estudos sobre o livro Econometria Básica 5ª edição de Damodar N. Gujarati e Dawn C. Porter. Ressalta-se que nessa obra há 13 capítulos dedicados ao estudo das regressões lineares dentro do contexto da ciência da econometria. As notas consistem em exemplos e exercícios explorados com as ferramentas do ecossistema do python.
Python
|
pandas
|
NumPy
|
SciPy
|
Matplotlib
|
seaborn
|
scikit-learn
|
Jupyter
|
Statsmodels
|
Pingouin
|
Análise de regressão com duas variáveis: algumas ideias básicas 59
- 2.1 Um exemplo hipotético
- 2.2 Conceito de função de regressão populacional (FRP)
- 2.3 O significado do termo linear
- 2.4 Especificação estocástica da FRP
- 2.5 O significado do termo “erro estocástico”
- 2.6 A função de regressão amostral (FRA)
Notebook do capítulo:aqui.
- 3.1 Modelo de regressão de duas variáveis: o problema da estimação
- 3.1 Método dos mínimos quadrados ordinários
- 3.2 O modelo clássico de regressão linear: as hipóteses subjacentes ao método dos mínimos quadrados
- 3.3 Precisão ou erros padrão das estimativas de mínimos quadrados
- 3.4 Propriedades dos estimadores de mínimos quadrados: o teorema de Gauss-Markov
- 3.5 O coeficiente de determinação $ {r²} $: uma medida da “qualidade do ajustamento”
Notebook do capítulo:aqui.
Modelo clássico de regressão linear normal (MCRLN)
- 4.1 A distribuição de probabilidade dos termos de erro $ {u}_i$
- 4.2 A hipótese de normalidade de
${u}_i$
Notebook do capítulo:aqui.
Extensões do modelo de regressão linear de duas variáveis
- 6.1 A regressão que passa pela origem
- 6.2 Escalas e unidades de medida
- 6.3 Regressão com variáveis padronizadas
- 6.4 Formas funcionais dos modelos de regressão
- 6.5 Como medir a elasticidade: o modelo log-linear
- 6.6 Modelos semilogarítmicos: log-lin e lin-log
- 6.7 Modelos recíprocos
- 6.8 A escolha da forma funcional
- 6.9 Um comentário sobre a natureza do termo de erro estocástico:termo aditivo versus termo multiplicativo
Notebook do capítulo:aqui.
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 O significado dos coeficientes parciais de regressão
- 7.4 estimação dos coeficientes parciais de regressão por meio dos métodos de mínimos quadrados ordinários e de e máxima verossimilhança
- 7.5 coeficiente de determinação múltiplo,
${R²}$ , e o coeficiente de correlação múltiplo, R - 7.7 regressão simples no contexto da regressão múltipla: uma introdução ao viés de especificação
- 7.8 O
$R²$ e o$R²$ ajustado - 7.9 A 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
Notebook do capítulo:aqui.
Análise da regressão múltipla: o problema da inferência
- 8.1 Novamente a hipótese da normalidade
- 8.2 Teste de hipóteses na regressão múltipla: comentários gerais
- 8.3 Testes de hipótese relativos aos coeficientes individuais de regressão
- 8.4 Teste da significância geral da regressão amostral
- 8.5 Teste da igualdade para dois coeficientes de regressão.
- 8.6 Mínimos quadrados restritos: teste de restrições de igualdade linear
- 8.7 Teste da estabilidade estrutural ou dos parâmetros nos modelos de regressão: o teste de Chow.
- 8.8 Previsão com regressão múltipla
- 8.9 A trinca dos testes de hipótese: a razão de verossimilhança (RV), o teste de Wald (W) e o multiplicador de Lagrange (ML)
- 8.10 Teste da forma funcional da regressão: escolha entre modelos de regressão lineares e log-lineares.
Notebook do capítulo:aqui.
Modelos de regressão com variáveis binárias (dummies)
- 9.1 A natureza das variáveis dummies
- 9.2 Modelos ANOVA
- 9.3 Modelos ANOVA com duas variáveis qualitativas
- 9.4 Regressão com uma mistura de regressores quantitativos e qualitativos: os modelos ANCOVA
- 9.5 A Variável binária alternativa ao teste de Chow.
- 9.6 Efeitos de interação usando variáveis dummies
- 9.7 O uso de variáveis dummies na análise sazonal
- 9.8 Regressão linear segmentada
- 9.9 Modelos de regressão com dados em painel
- 9.10 Alguns aspectos técnicos do modelo de variáveis dummies
- 9.11 Tópicos para estudos avançados
- 9.12 Um exemplo para concluir
Notebook do capítulo:aqui.
Multicolinearidade: o que acontece se os regressores estiverem correlacionados?
- 10.1 A natureza da multicolinearidade
- 10.2 Estimação na presença de multicolinearidade perfeita.
- 10.3 Estimação na presença de multicolinearidade “alta”, mas “imperfeita”
- 10.4 Multicolinearidade: muito barulho por nada? Consequências teóricas da multicolinearidade
- 10.5 Consequências práticas da multicolinearidade
- 10.6 Um exemplo ilustrativo
- 10.7 Detecção da multicolinearidade
- 10.8 Medidas corretivas
- 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
Notebook do capítulo:aqui.
Heterocedasticidade: o que acontece se a variância do erro não é constante?
- 11.1 A natureza da heterocedasticidade
- 11.2 Estimativa dos MQO na presença da heterocedasticidade.
- 11.3 O método dos mínimos quadrados generalizados (MQG)
- 11.4 Consequências de usar MQO na presença de heterocedasticidade
- 11.5 Detecção da heterocedasticidade
- 11.6 Medidas corretivas
- 11.7 Exemplos finais
- 11.8 Uma advertência sobre reações exageradas à heterocedasticidade
Notebook do capítulo:aqui.
Deivison Morais. Visite o meu portfólio de projetos aqui.
