2. Modelos de Regressão e Modelagem Preditiva

Objetivo do curso:

O curso Modelos de Regressão e Modelagem Preditiva constitui a continuação natural do curso Econometria Aplicada do Zero e foi desenvolvido para aprofundar a compreensão dos modelos de regressão por meio da introdução à inferência estatística, aos testes de hipóteses e aos principais procedimentos de avaliação e diagnóstico dos modelos.

Ao longo do curso, o participante aprenderá a interpretar resultados econométricos de forma profissional, compreender o significado estatístico dos coeficientes estimados, avaliar a significância das variáveis explicativas e interpretar corretamente os resultados apresentados em artigos científicos, relatórios técnicos e estudos aplicados. Serão abordados conceitos fundamentais como testes t e F, p-valores, níveis de significância, erros tipo I e II, intervalos de confiança, propriedades dos estimadores e testes de diagnóstico.

O curso mantém uma abordagem altamente didática e intuitiva, com foco na interpretação dos resultados e na compreensão conceitual dos procedimentos estatísticos, evitando formalismos matemáticos excessivos e demonstrações teóricas complexas.

Público-alvo:

Estudantes de graduação e pós-graduação;
Profissionais das áreas de Economia, Administração, Finanças, Engenharia, Saúde, Educação e Ciências Sociais;
Analistas de dados e pesquisadores;
Profissionais que desejam interpretar artigos científicos e relatórios quantitativos;
Participantes que concluíram o curso Econometria Aplicada do Zero ou possuem conhecimentos básicos de regressão.

Requisitos:

Recomenda-se ter concluído o curso Econometria Aplicada do Zero ou possuir conhecimentos básicos sobre modelos de regressão linear simples e múltipla.

Não são necessários conhecimentos avançados de Estatística, Programação ou Softwares Estatísticos.

Conteúdo Programático:

Módulo 1 – Revisão dos Modelos de Regressão

Revisão da regressão linear simples;
Revisão da regressão linear múltipla;
Interpretação dos coeficientes;
Conceito de ceteris paribus;
Predição utilizando a equação estimada;
Aplicações com dados reais.

Módulo 2 – Introdução à Inferência Estatística

Amostra versus população;
Modelo populacional e modelo estimado;
Incerteza associada às estimativas;
Conceito de inferência estatística;
Introdução aos testes de hipóteses;
Aplicações em modelos de regressão.

Módulo 3 – Testes de Hipóteses

Hipótese nula e hipótese alternativa;
Lógica dos testes estatísticos;
Processo de tomada de decisão;
Regiões de aceitação e rejeição;
Interpretação dos resultados;
Aplicações em regressão.

Módulo 4 – Teste t de Student

Conceito do teste t;
Distribuição t de Student;
Graus de liberdade;
Valores críticos;
Utilização da tabela t;
Testes unilaterais e bilaterais;
Interpretação dos resultados;
Aplicações aos coeficientes da regressão.

Módulo 5 – p-Valor, Significância Estatística e Intervalos de Confiança

Conceito de p-valor;
Níveis de significância;
Significância estatística versus relevância prática;
Intervalos de confiança;
Interpretação de resultados;
Tomada de decisão baseada em evidências.

Módulo 6 – Erros Tipo I e Tipo II

Conceito de erro estatístico;
Erro Tipo I;
Erro Tipo II;
Poder do teste;
Relação entre significância e poder estatístico;
Exemplos aplicados.

Módulo 7 – Interpretação dos Resultados de Regressão

Interpretação dos coeficientes estimados;
Interpretação populacional dos parâmetros;
Significância individual dos coeficientes;
Magnitude dos efeitos;
Avaliação conjunta dos resultados;
Exemplos com dados reais.

Módulo 8 – Teste F e Significância Global do Modelo

Conceito do teste F;
Distribuição F;
Utilização da tabela F;
Valores críticos;
Hipóteses do teste F;
Significância global do modelo;
Interpretação dos resultados.

Módulo 9 – Significância Estatística em Artigos Científicos

Interpretação das tabelas de regressão;
Convenção das estrelas de significância;
Significado de *, ** e ***;
Níveis de 10%, 5% e 1%;
Leitura de artigos científicos;
Exemplos práticos de pesquisas publicadas.

Módulo 10 – Estatística Qui-Quadrado

Introdução à distribuição Qui-Quadrado;
Conceito intuitivo da estatística Qui-Quadrado;
Valores críticos;
Utilização da tabela Qui-Quadrado;
Aplicações em testes estatísticos;
Preparação para testes de diagnóstico.

Módulo 11 – Propriedades dos Estimadores

O que caracteriza um bom estimador;
Não viés;
Consistência;
Eficiência e mínima variância;
Interpretação intuitiva das propriedades;
Exemplos ilustrativos.

Módulo 12 – Introdução aos Testes de Diagnóstico

Importância da validação dos modelos;
O que são problemas de especificação;
Diagnóstico de modelos econométricos;
Consequências práticas dos problemas nos dados.

Módulo 13 – Heterocedasticidade

Conceito intuitivo;
Como identificar o problema;
Consequências sobre os testes estatísticos;
Exemplos gráficos;
Aplicações práticas.

Módulo 14 – Normalidade dos Resíduos

Conceito de normalidade;
Distribuição dos resíduos;
Importância para a inferência estatística;
Interpretação gráfica;
Aplicações práticas.

Módulo 15 – Autocorrelação dos Resíduos

Conceito de autocorrelação;
Situações em que o problema ocorre;
Impactos sobre os resultados;
Interpretação intuitiva;
Exemplos aplicados.

Módulo 16 – Estudos de Caso e Aplicações Reais

Interpretação completa de resultados;
Avaliação da significância estatística;
Diagnóstico de modelos;
Leitura de tabelas de regressão;
Aplicações em Economia, Educação e Políticas Públicas;
Exercícios integradores.

Participar das Primeiras Aulas Gratuitamente

Clique aqui para realizar seu cadastro.

Após o cadastro, o link de acesso às aulas gratuitas será enviado para o e-mail ou WhatsApp informado.

Uma excelente oportunidade para conhecer a metodologia do curso antes de realizar sua matrícula.

Carga Horária

12 horas

A carga horária contempla:

6 horas de videoaulas gravadas;
Número de aulas: 60;
Leitura de material didático complementar;
Exercícios de fixação;
Estudos de caso com dados reais;
Atividades de estudo individual e revisão dos conteúdos.

Professor

Dr. Carlos Enrique Carrasco Gutierrez

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