Módulo 1 – Revisão dos Modelos de Regressão

• Regressão linear simples e múltipla
• Variável dependente e variáveis explicativas
• Interpretação dos coeficientes
• R² e R² ajustado
• Resíduos e erros

Módulo 2 – O Método dos Mínimos Quadrados Ordinários (MQO)

• O que é um estimador?
• Conceito do Método dos Mínimos Quadrados Ordinários
• Resíduos e soma dos quadrados dos resíduos
• Como o MQO encontra a melhor reta de ajuste
• Vantagens e limitações do MQO

Módulo 3 – Propriedades Desejáveis dos Estimadores

• O que significa estimar um parâmetro?
• Estimadores não viesados (não tendenciosos)
• Estimadores consistentes
• Estimadores eficientes
• Conceito de variância mínima
• Relação entre precisão e variabilidade das estimativas

Módulo 4 – Inferência Estatística na Regressão

• Erro padrão dos coeficientes
• Intervalos de confiança
• Hipóteses estatísticas
• Significância estatística
• Interpretação do valor-p

Módulo 5 – Testes de Hipóteses em Modelos de Regressão

• Teste t para coeficientes individuais
• Teste F para significância global do modelo
• Interpretação prática dos resultados
• Erros do tipo I e tipo II

Módulo 6 – Pressupostos do Modelo de Regressão

• Por que os pressupostos são importantes?
• Linearidade
• Independência dos erros
• Homoscedasticidade
• Ausência de autocorrelação
• Normalidade dos resíduos
• Ausência de multicolinearidade severa

Módulo 7 – Multicolinearidade

• Conceito de multicolinearidade
• Como identificar o problema
• Matriz de correlação
• Fator de Inflação da Variância (VIF)
• Consequências para os coeficientes estimados
• Possíveis soluções

Módulo 8 – Heteroscedasticidade

• Conceito de heteroscedasticidade
• Consequências para a inferência estatística
• Diagnóstico visual por meio dos resíduos
• Teste de Breusch-Pagan
• Teste de White
• Utilização de erros-padrão robustos

Módulo 9 – Autocorrelação dos Resíduos

• Conceito de autocorrelação
• Quando o problema ocorre
• Consequências para os resultados da regressão
• Análise gráfica dos resíduos
• Estatística de Durbin-Watson
• Teste de Breusch-Godfrey
• Possíveis correções

Módulo 10 – Normalidade dos Resíduos

• Importância da normalidade
• Histograma dos resíduos
• Teste de Normalidade
• Teste de Shapiro-Wilk
• Impacto da não normalidade nas análises

Módulo 11 – Aplicação Prática: Diagnóstico Completo de um Modelo

• Estimação de um modelo de regressão
• Interpretação dos coeficientes
• Teste t e teste F
• Verificação dos pressupostos
• Diagnóstico de multicolinearidade
• Diagnóstico de heteroscedasticidade
• Diagnóstico de autocorrelação
• Diagnóstico de normalidade

Módulo 12 – Estudo de Caso Aplicado

• Construção do modelo
• Análise dos resultados
• Identificação de problemas
• Correção e reestimação do modelo
• Elaboração de conclusões e recomendações

Professor

Dr. Carlos Enrique Carrasco Gutierrez

Doutor em Economia pela FGV/EPGE e Doutor em Engenharia Elétrica pela PUC-Rio, com ampla experiência em Estatística, Econometria, Ciência de Dados, Avaliação de Políticas Públicas e Métodos Quantitativos. Professor, pesquisador e autor de livros e artigos científicos nacionais e internacionais.

Certificação

Ao concluir o curso, o participante receberá o certificado da EMPIRICOS CURSOS.

Informações do Certificado

• Carga horária: 12 horas;
• Certificado digital de conclusão.