Econometria II (2 º Sem 2019/2020)

Caros Alunos,

Terminámos o ponto 4 e damos agora o ponto 2. Estava programado não termos aulas esta semana, mas como as avaliações intercalares foram canceladas a Presidência da escola decidiu que as aulas devem continuar esta semana. Não existindo sumários no aquila deixo aqui os pontos do programa referentes à aula de hoje:

    2 Endogeneity and the GMM [Hayashi]

       2.1 Introduction

       2.2 Examples of Endogeneity

          2.2.1 Simultaneous Equations Bias

          2.2.2 Errors-in-Variables Bias

          2.2.3 Omitted Variable Bias 

          2.2.4 Sample Selection Bias

Videos: Ponto 2 Parte 01 a Ponto 2 Parte 15

Caros Alunos,

Já estão mais vídeos disponíveis (com habitualmente às segundas e quintas). Entretanto atualizei os slides e os exercícios para contemplar o Python (não estava programado eu dar essas aulas pelo que a atualização foi um pouco mais tardia). Para a próxima semana entramos num ponto novo.  Podem aproveitar o Stream, onde visualizam os vídeos, para deixar questões!

Caros Alunos,

Estão finalmente disponíveis os primeiros vídeos. Para o efeito deverão entrar no site www.office.com usando a vossa conta do iseg e escolher o programa Stream. Nos sumários indico os pontos da matéria e os correspondentes vídeos.

Se alguma coisa não estiver bem digam-me alguma coisa.

João Nicolau

Caros Alunos,

O ponto 3.9 Estimation foi excluído do programa - não será matéria de avaliação.

João Nicolau

Caros Alunos,

Estava previsto o Prof. Bruno Damásio lecionar as matérias referentes aos pontos 3 e 4. Todavia, tal não vai ser possível, pelo que irei terminar o ponto 3 (previsão), lecionarei o ponto 4, e farei os respetivos exercícios.

Estou a preparar vídeos que estarão disponíveis provavelmente hoje ou na segunda. Como nunca lecionei à distância espero que o resultado seja positivo, e estou aberto a sugestões que possam melhor a apresentação.  

Irei muito brevemente disponibilizar também os exames dos anos anteriores com e sem resolução – neste momento só poderão fazer os exercícios sobre o capítulo 3 (tentem primeiro resolvê-los sem verem a resolução). Só mais tarde, perto do fim semestre, estarei em condições de dizer quais os exercícios que não interessam para efeitos de avaliação, em função da matéria efetivamente lecionada. Ainda em relação aos exames, é importante frisar que ocorreu este ano um ajustamento do programa, pelo que há matérias do ano passado que já não fazem parte do programa deste ano, como por exemplo, a autocorrelação, tal como foi lecionada em Econometria I, e a heterocedasticidade. Essas questões de exame não devem ser consideradas. Em contrapartida, não há nenhuma questão de exame sobre o capítulo 1, que foi introduzido no programa este ano.

Haverá sempre apresentação e discussão do trabalho. Se não for possível no ISEG faremos videoconferência (usando provavelmente o Microsoft Teams que todos têm disponível, suponho que no vosso caso no endereço www.office.com). 

Até breve,

João Nicolau

Caros Alunos,

Os vários algoritmos de maximização do modelo probit não convergem para certas combinações de variáveis. No caso do logit o algoritmo definido por defeito (Newton-Raphson) normalmente converge sobretudo quando o número de variáveis explicativas não é muito grande. Quando o algoritmo no logit converge os resultados da estimação coincidem com os do EVIEWS que estão corretos, mesmo quando são produzidas  mensagens de “warning” (por exemplo “HessianInversionWarning:”). Ignorem-se, portanto essas mensagens, assim como as estatísticas Pseudo R-squ., Log-Likelihood, LL-Null e LLR p-value. Note que o algoritmo converge quando o output indica “converged: True”.

Nestas condições vamos ajustar o enunciado do trabalho eliminando o probit e solicitando uma pré-seleção de variáveis, como descrito abaixo. O enunciado do trabalho passa então a ser o seguinte:

1.       Justifique o modelo logit  como resultado de um modelo de regressão com variável latente. Veja, por exemplo, a secção “17.2.2 A LATENT REGRESSION MODEL” do livro do W. Greene pág. 686 (7ª edição). Interprete a variável latente y* como achar mais adequado.

2.       Estime um modelo linear de probabilidade e um logit. Faça uma pré-seleção de aproximadamente 20 variáveis usando apenas a sua intuição económica, justificando.

3.       Use depois o princípio general-to-specific para obter um modelo final.  Sobre este princípio veja, por exemplo, o vídeo https://www.youtube.com/watch?v=p4c_ZBFNpL0&list=PLGodCk7zOj40Hkd5O2_O1K0ZgQGcamd-U&index=6&t=0s

4.       Faça a interpretação económica de dois ou três efeitos parciais (os que achar mais interessantes).

5.       Teste uma hipótese que considere particularmente relevante envolvendo mais do que um parâmetro e discuta o resultado.

6.       Identifique o perfil dos indivíduos mais propensos a subscrever o depósito.

7.       Qual dos modelos escolheria para previsão? Justifique.

João Nicolau