Programa de Pós-Graduação em Economia

Mestrado/Doutorado
Av. João Naves de Ávila, nº 2121– Campus Stª Mônica – Bloco “J”. CEP 38.400-902 – Uberlândia/MG.
Telefax: (034) 3239-4315 E-Mail: ppge@ufu.br

PROGRAMA DA DISCIPLINA

TÍTULO: MÉTODOS QUANTITATIVOS APLICADOS I

CÓDIGO: PECC 1003

CURSO: MESTRADO E DOUTORADO

PROFESSOR: Dr. Henrique Dantas Neder

CARGA HORÁRIA: 60 h CRÉDITOS: 04

OBRIGATÓRIA: ( X ) OPTATIVA: ( )

EMENTA

Introdução. Elementos de Teoria da Inferência Estatística (Estimação e Testes de Hipóteses).

Elementos de Econometria aplicados ao Desenvolvimento. Variáveis instrumentais e GMM.
Regressão Logística. Teoria da Amostragem e Métodos de Amostragem relacionados à econometria.
Re-amostragem e bootstrapping.

OBJETIVOS

Esta disciplina visa fundamentalmente propiciar ao aluno uma formação em métodos estatísticos e
econométricos aplicados a análise do desenvolvimento econômico. Ela está intrinsecamente
relacionada à experiência institucional de pesquisa na área de economia social e serão abordados
tópicos que estão sendo utilizados nesta área. A disciplina percorrerá alguns temas ligados a
econometria dando ênfase a microeconometria, e alguns tópicos mais avançados, tais como modelos
logísticos, modelos de seleção amostral, bootstrapping e análise de causalidade de políticas
públicas. Apesar de serem abordados diversos aspectos teóricos relacionados aos variados tópicos,
será dada ênfase aos aspectos aplicados, computacionais e de interpretação dos métodos, assim
como as inúmeras possibilidades de sua aplicação nos campos de pesquisa em economia.

DESCRIÇÃO DO PROGRAMA/CRONOGRAMA

1. Introdução. Uma breve introdução aos softwares utilizados: STATA e SPSS. Introdução e
leitura de dados no STATA. Variáveis. Comandos principais e expressões. Repetições de
operações e loopings. Uso de macros. Manipulação de dados: utilização do comando
generate e egen. Mudando o formato dos dados. Introdução a comandos de estimação.
Recuperação dos resultados salvos (comando ereturn list). Introdução ao uso de do files
(seqüência de comandos). Uso de gráficos no STATA. Diagramas de barras, diagramas de
linha, diagramas de dispersão. Utilização do STATA como calculadora. Cálculos matriciais
no STATA. Uma breve introdução a programação. Atualização de comandos no STATA.
Bibliografia: Habe-Hesketh e Everitt, cap. 1; Bergamashi et alii; Chevalier e outros tutoriais
disponíveis em CD-ROM; Hamilton, Cap. 1; Baum, Cap. 2; Recursos disponíveis no site
http://www.ats.ucla.edu/stat/stata/sk/ da Universidade da Califórnia e site do STATA
(http://www.stata.com/links/), Stata tutorial, disponível em
http://www.cpc.unc.edu/services/computer/presentations/statatutorial.; Neder(2008b).

2. Elementos de Teoria da Inferência Estatística (Estimação e Testes de Hipóteses). Descrição

de dados. Comparações de grupos e correlações. Testes de hipóteses e intervalos de
confiança para medias. Testes de hipóteses e intervalos de confiança para proporções. Testes
de hipóteses para diferenças de médias e diferença de proporções. Bergamashi et alii;
Hamilton, Cap. 5; Recursos disponíveis no site http://www.ats.ucla.edu/stat/stata/sk/ da
Universidade da Califórnia e site do STATA (http://www.stata.com/links/); Neder(2008b).

3. A natureza da econometria e os dados econômicos. Dados cross-sectional e dados de séries

temporais. Dados longitudinais e em painel. O modelo de regressão simples. Derivação das
estimativas de mínimos quadrados ordinários. Valores preditos e resíduos. Propriedades
algébricas das estimativas OLS. Qualidade do ajustamento. Unidades de medida e forma
funcional. Não linearidades no modelo de regressão. Valores esperados e variâncias dos
estimadores OLS. Wooldridge, Cap. 2; Baum, Cap.4; Schroeder, Cap. 1; Recursos
disponíveis no site http://www.ats.ucla.edu/stat/stata/sk/ da Universidade da Califórnia;
Neder(2008b).

4. Analise de regressão múltipla: estimação. O significado do “mantendo os outros fatores

fixos” na regressão múltipla. Viés de variável omitida. A hipótese de homocedasticidade.
Multicolinearidade. O Teorema de Gauss-Markov. Inferência na regressão. Wooldridge,
Cap. 3 e 4; Baum, Cap. 4; Schroeder, Cap. 2 e 3; Neder(2008b) Recursos disponíveis no site
http://www.ats.ucla.edu/stat/stata/sk/ da Universidade da Califórnia; Neder(2008b).
5. Regressão múltipla: tópicos adicionais. Efeitos da escala nas estimativas OLS. Coeficientes
Beta. Uso de formas funcionais. Modelos quadráticos e com termos de interação. R2
ajustado. Modelos “non-nested”. Predição e análise de resíduos. Intervalos de confiança para
predições. Analise de resíduos. Wooldridge, Cap. 6; Schroeder, Cap. 4; Baum ,Cap. 4 e 5;
Neder(2008b).

6. Análise de regressão múltipla com informação qualitativa: variáveis binárias ou dummies.

Uma simples variável independente dummy. Variáveis dummies para categorias múltiplas.
Interações envolvendo variáveis dummies. Dummies de inclinação (slope). Utilização de
variáveis dummies para avaliar impactos de políticas. Wooldridge, Cap. 7; Schroeder, Cap.
4. Neder(2008b).

7. Heterocedasticidade. Testando a heterocedasticidade. O teste de heterocedasticidade

Breusch-Pagan. O teste de heterocedasticidade de White. Estimação de mínimos quadrados
ponderada. Procedimento GLS para corrigir heterocedasticidade. Wooldridge, Cap. 7.
Neder(2008b).

8. Variáveis Instrumentais e método GMM. Mínimos Quadrados de Dois Estágios. Teste de

endogeneidade e teste de restrições sobre-identificadoras. Erros não esféricos. O estimador
GMM. Wooldridge, Cap 15; Baum Cap 8, Kennedy Caps. 7,8 e 9. Angrist e Pischke Cap 2,
3 4. Neder(2008b). Bolden(1990).

9. Modelos de variável dependente limitada e correções de seleção amostral. Modelos logit e

probit para variáveis de resposta binárias. Especificação de modelos logit e probit. Estimação
de máxima verossimilhança para modelos logit e probit. O teste Wald. Interpretação das
estimativas dos modelos logit e probit. O Modelo Tobit. Interpretação das estimativas do
modelo Tobit. Modelos de regressão censorada e truncada. Correção de viés de seleção. O
modelo de Heckman. Wooldridge, Cap.17; Baum, Cap. 10.

10. Teoria da amostragem e métodos de amostragem. Principais elementos da teoria da

amostragem. Amostragem Aleatória Simples. Correção de população finita. Amostragem
Sistemática. Amostragem Aleatória Estratificada. Amostragem por conglomerados. Fator de
delineamento da amostra. Cálculos de tamanhos de amostras. Obtenção de estimativas em
amostras complexas. Introdução a técnica de bootstrapping. Exemplos e aplicações de
pesquisas. Neder(2008a); Kalton; Lee et alii; Mooney e Duval. Recursos disponíveis no site
http://www.ats.ucla.edu/stat/stata/topics/Survey.htm da Universidade da Califórnia.
 11. Introdução aos métodos de avaliação de impactos de políticas públicas. Visão geral dos
métodos. O Problema do Viés de Seleção.  O Modelo de Rubin. A Hipótese de
independência condicional. O Suporte comum. Estimação do Propensity Score. Escolha do
modelo: Probit, Logit. Comparação entre modelos. Escolha de variáveis. Alternativas ao
propensity score: Distância de Mahalanobis.Escolha do algoritmo de pareamento. Os
métodos Nearest-Neighbour, Caliper e Radial, Kernel e Local Linear. Trade-offs em termos
de viés e eficiência das estimativas. O Efeito Médio do Tratamento sobre os Tratados (ATT).
Sobreposição e Suporte Comum. Comparação de Mínimo e Máximo. Trimming para obter o
Suporte Comum. Avaliando a qualidade do pareamento (avaliação do balanceamento do
pareamento). Vieses padronizados. Teste t. Teste de significância conjunta e Pseudo-R2.
Teste de estratificação. Estimação de erros padrões. Bootstrapping. Uso do programa Stata
para realizar avaliação de impactos por pareamento: programas psmatch2, pscore e pstest.
Exemplos. Uso de recursos de programação no Stata em métodos de pareamento. Análise de
sensibilidade. Heterogeneidade não observada: limites de Rosenbaum. Uso dos programas
rbounds e mhbounds.

12. Tópicos especiais sobre avaliação de políticas públicas. Métodos de regressão. Função de
densidade Kernel.  Aplicação do método de decomposição não paramétrica de efeitos de
DiNardo, Fortin e Lemieux.

Cronograma e Planejamento do Curso

 Aulas 05-08-10 e 12-08-10: Apresentação do curso. Item 1 do programa. Alunos devem ler
previamente Neder(2008b) até a página 22 e explorar os tutoriais e sites indicados no fim
deste item. Devem complementar com as referencias Habe-Hesketh e Everitt, cap. 1;
Bergamashi et alii; Chevalier e outros tutoriais disponíveis em CD-ROM; Hamilton, Cap. 1;
Baum, Cap. 2; Cameron e Trivedi, Caps 1 e 2.

Após a aula os alunos deverão treinar a utilização do Stata, resolvendo os exercícios da pag 40 de
Habe-Hesketh e Everitt assim como os exercícios da pag 40 de Baum. Deverão tembém explorar os
recursos disponíveis em Recursos disponíveis no site http://www.ats.ucla.edu/stat/stata/sk/ da
Universidade da Califórnia e site do STATA (http://www.stata.com/links/), Stata tutorial, disponível
em
http://www.cpc.unc.edu/services/computer/presentations/statatutorial.e Neder(2008b) se não tiverem
feito isto previamente a aula. Devem resolver os exercícios de Cameron e Trivedi(2009), pgs. 26-27
e 68-69.

 Aulas 19-08-10 e 26-08-10: Inferência Estatística – item 2 do programa. Os alunos devem

ler previamente as referencias deste item: Bergamashi et alii; Hamilton, Cap. 5; Recursos
disponíveis no site http://www.ats.ucla.edu/stat/stata/sk/ da Universidade da Califórnia e site
do STATA (http://www.stata.com/links/); Kennedy, caps 1 e 2;Neder(2008b). Devem ler
também os apêndices A, B e C de Kennedy(2009). Recomendo também a leitura dos
Apêndices A, B, C e D do Wooldridge(2006) que podem ser obtidos em
http://www.thomsonlearning.com.br/detalheLivro.do?id=104142# e ir para link de apoio
suplementar para estudantes.
Após a aula, os alunos devem resolver os exercícios do Apêndice D de Kennedy(2009), pg 420,
itens A(Monte Carlo: geral), B(Calculando valores esperados e variâncias); C(Melhor não viés),
D(Erro Quadrático Médio) e os problemas dos Apêndices A, B, C e D do Wooldridge.
  Aulas 02-09-09 e 09-09-10: Item 3 do programa (Modelo de Regressão Simples e temas
correlatos)

Wooldridge, Cap. 2; Baum, Cap.4; Schroeder, Cap. 1; Recursos disponíveis no site

http://www.ats.ucla.edu/stat/stata/sk/ da Universidade da Califórnia; Kennedy, caps 3;
Neder(2008b).
Após a aula, os alunos devem resolver os exercícios do Capítulo 2, pg 59 do Wooldridge e os
exercícios em computador do mesmo livro para este capitulo e que constam do apendice. Devem
também resolver os exercícios do Baum, pg 111 e 112.

 Aulas 16-09-10 e 23-09-10: item 4 do programa (Modelo de Regresão Multipla e temas

correlatos)
Wooldridge, Cap. 3 e 4; Baum, Cap. 4; Schroeder, Cap. 2 e 3; Neder(2008b) Recursos disponíveis
no site http://www.ats.ucla.edu/stat/stata/sk/ da Universidade da Califórnia; Kennedy, caps 4,5,6,7,8
e 12;Neder(2008b).
Após a aula, os alunos devem resolver os exercícios do Capítulo 3, pg 101 do Wooldridge e os
exercícios em computador do mesmo livro para este capítulo e que constam do apêndice. Devem
também resolver os exercícios do Kennedy, Apendice D, itens N, F, G, H, I e J.

 Aulas 30-09-10 e 07-10-10: item 5 do programa (Regressão múltipla: tópicos adicionais).

Wooldridge, Cap. 6; Schroeder, Cap. 4; Baum ,Cap. 4 e 5; Neder(2008b).
Após a aula, os alunos devem resolver os exercícios do Capítulo 6, pg 204 do Wooldridge e os
exercícios em computador do mesmo livro para este capítulo e que constam do apêndice. Resolvam
também os exercícios da pg 111 (Cap 4) e pg 132 (cap 5) do Baum e pgs 111-112 de Cameron e
Trivedi.

 Aulas 14-10-10 e 21-10-10: item 6 do programa (Regressão múltipla com informação

qualitativa)
Wooldridge, Cap. 7; Schroeder, Cap. 4; Neder(2008b); Kennedy, Cap. 15.
Após a aula, os alunos devem resolver os exercícios do Capítulo 7, pg 239 do Wooldridge e os
exercícios em computador do mesmo livro para este capítulo e que constam do apêndice. Resolvam
também os exercícios da pg 184 (Cap 7) do Baum assim como os itens O, P, Q e R do Apêndice D
do Kennedy.

 Aulas 28-10-10 e 04-11-10:Item 7 do programa (Erros não i.i.d. e Heterocedasticidade).

Baum, Cap 6; Wooldridge, Cap. 8; Kennedy, caps. 8; Neder(2008b) e Trivedi(2009), cap. 5, seções
5.1, 5.2,5.3 e 5.5.
Após a aula, os alunos devem resolver os exercícios do Capítulo 8, pg 270 do Wooldridge e os
exercícios em computador do mesmo livro para este capítulo e que constam do apêndice. Resolvam
também os exercícios da pg 160 (Cap 6) do Baum assim como os itens FF, GG, HH, H, JJ, KK e
LL, OO, PP e QQ do Apêndice D do Kennedy e pgs 169-170 de Cameron e Trivedi(2009).

 Aulas 11-11-10 e 18-11-10: Item 8 do programa (Variáveis Instrumentais e método GMM).

Wooldridge, Cap 15; Baum Cap 8, Kennedy Caps. 8. Angrist e Pischke Cap 2, 3 4; Neder(2008b);
Bolden(1990); Cameron e Trivedi(2009) cap. 6.
Após a aula, os alunos devem resolver os exercícios do Capítulo 15, pg 484-488 do Wooldridge e os
exercícios em computador do mesmo livro para este capítulo e que constam do apêndice. Resolvam
também os exercícios da pg 215 (Cap 8) do Baum assim como o item UU do Apêndice D do
Kennedy e pgs 203-204 de Cameron e Trivedi(2009).
  Aulas 25-11-10 e 02-12-10: item 9 do programa (Modelos de variável dependente limitada e
correções de seleção amostral).
Wooldridge, Cap.17; Baum, Cap. 10; Kennedy, cap. 15, Neder(2008b); Cameron e Trivedi(2009),
Caps 14 e 16.
Após a aula, os alunos devem resolver os exercícios do Capítulo 17, pg 556-557 do Wooldridge e os
exercícios em computador do mesmo livro para este capítulo e que constam do apêndice. Resolvam
também os exercícios da pg 275 (Cap 10) do Baum assim como os itens XX, YY e ZZ do Apêndice
D do Kennedy e pg. 475 de Cameron e Trivedi(2009).

 Aulas 09-12-10 e 16-12-10: itens 10,11 e 12 do programa (métodos de amostragem

(introdução aos métodos de avaliação de impactos de políticas públicas e métodos de
decomposição não paramétrica de efeitos).

AVALIAÇÃO

2 PROVAS ESCRITAS.

BIBLIOGRAFIA BÁSICA

BAUM, C.F. (2006). An Introduction to Modern Econometrics using Stata. Stata Press
College Station, USA.

BAUM, C.F. (2007) Instrumental Variables: Overview and Advances. Boston College and DIW
Berlin.

BAUM, C.F.; SCHAFFER, M.E.; STILLMAN, S. (2003) Instrumental variables and GMM:
Estimation and Testing. Boston College. Working Paper No. 545.

CAMERON, C. e TRIVEDI, P. (2010). Microeconometrics using Stata. STATA Coorp. LP.

CAMERON, C. e TRIVEDI, P. (2010). Microeconometrics: Methods and Applications. STATA

Coorp. LP.

NEDER, H.D. (2008) Econometria usando o STATA, mimeo.

WOLDRIDGE, J.M. (2006). Introductory Econometrics: a Modern Approach. Stata Press

College Station, USA
 BIBLIOGRAFIA COMPLEMENTAR

ABADIE, A., D. DRUKKER, J. LEBER HERR, and G.W. IMBENS, (2004), "Implementing
Matching Estimators for Average Treatment E®ects in Stata." Stata Journal, vol. 4(3),
290-311.

ANGRIST, J. D. e PISCHKE, J. (2009) Mostly Harmless Econometrics: Na Empiricist’s

Companion. Princeton University Press.

BAUM, C.F.; SCHAFFER, M.E.; Stillman, S. (2007) Enhanced routines for instrumental
variables/GMM estimation and testing. Boston College. Working Paper No. 667.

BERGAMASCHI, D.P. (2007). Stata Básico. Universidade de São Paulo. Faculdade de Saúde
Pública. Departamento de Epidemiologia. Mimeo.

BERRY, WILLIAM D., FELDMAN, S. (1986). Multiple Regression in Practice. Sage University
Paper Series on Quantitative Applications in Social Science,07-050. Newbury Park, CA: Sage.

BOLDEN, R.J; TURKINGTON, D.A. (1990). Instrumental Variables. Cambridge University

Press.

BECKER, S.O.; ICHINO, A. (2002). Estimation of Average Treatment Effects based on Propensity
Scores. The Stata Journal 2, Number 4, pp. 358–377.

BECKER, S.O. e CALIENDO, M. (2007). Sensitivity Analysis for Average Treatment Effects.
The Stata Journal 7, Number 1, pp. 71–83.

CALIENDO, M., KOPEINIG, S (2005). Some Practical Guidance for the Implementation of
Propensity Score Matching. Discussion Paper Series.  Institute for the Study of Labor (IZA) DP No.
1588.

CAMERON, A., TRIVEDI, P. (2005). Microeconometrics: Methods and Applications.  Cambridge

University Press (chapter 25: treatment evaluation).

DiNARDO,J., FORTIN, N., LEMIEUX, T. (1996). Labor Market Institutions and the
Redistribution of Wages, 1973-1992: A Semiparametric Approach. Econometrica. Vol. 64. No. 5,
1001-1044.

DiPRETE, T.A.,  GANGL, M. (2004). Assessing Bias in the Estimation of Causal Effects:
Rosenbaum Bounds on Matching Estimators and Instrumental Variables Estimation with Imperfect
Instruments. Wissenschaftszentrum Berlin für Sozialforschung (WZB)

DEATON, A. (1997).The Analysis of Household Surveys: A micro econometric Approach to

Development Policy, Washington, D.C.: John Hopkins University Press.

HAMILTON, L.C. (2004). Statistics with Stata. Brooks/ Cole-Thomson.

HABE-HESKETH, S. and EVERITT, B. (2000). A Handbook of Statistical Analysis using Stata.

Chapman & Hall.
ICHINO, A. (2006). The Problem of Causality in the Analysis of Educational Choices and Labor
Market Outcomes - Slides for Lectures - (University of Bologna and CEPR).

IMBENS, G., WOOLDRIDGE, J. (2008). Recent Developments in the Econometrics of Program

Evaluation. National Bureau of Economic Research. Cambridge.

JANN, B. Univariate kernel density estimation ETH Zurich, Switzerland, 2007.

KALTON, G. (1983). Introduction to Survey Sampling. Sage University Paper Series on

Quantitative Applications in the Social Sciences, No.35. Newbury Park, CA: Sage.

KERN, P. Van. Adaptive kernel density estimation, 9th UK Stata Users meeting. Royal Statistical
Society, London, 2003.

KHANDKER, S.R.,KOOLWAL, G.B., SAMAD, H.A. (2010). Handbook of Impact Evaluation –

Quantitative Methods and Practices. The World Bank, Washington, DC.

KENNEDY, P. (2009). Manual de Econometria. Campus.

NEDER, H.D. (2008) Amostragem em Pesquisas Sócio-Econômicas, Grupo Atomo & Alinea.

MOONEY, C.Z. e DUVAL, R.D.(1993). Bootstrapping: A Nonparametric Approach to Statistical

Inference. Sage University Paper Series on Quantitative Applications in the Social Sciences, No.95.
Newbury Park, CA: Sage.

MORGAN, S.L., WINSHIP,C. (2007). Counterfactuals and Causal Inference – Methods and
Principle for Social Research. Cambridge University Press.

MAC MAHON, D. (2006). Linear Algebra Demystified – A Self-Teaching Guide. McGrawHill.

MOHR, L.B. (1995) Impact Analysis for Program Evaluation. Sage Publications, London.

NICHOLS, A. (2007). Causal inference with observational data. (sd)

RAVALION, M. (2001). The Mystery of the Vanishing Benefits: An Introduction to Impact

Evaluation.  The World Bank Economic Review, Vol. 15, No. 1, 115-140.

ROSENBAUM, P. R. ; D. B. RUBIN. (1983). The central role of the propensity score in

observational studies for causal effects. Biometrika 70(1): 41–55

SIANESI, B. (2001). Implementing Propensity Score Matching Estimators with STATA. UK Stata
Users Group, VII Meeting London.

STATACORP. Stata Statistical Software: release 10, College Station, TX: StataCorp LP, 2005.

SCHROEDER, LARRY D., SJOQUIST, DAVID L., STEPHAN, PAULA E. (1986). Understanding
Regression Analysis: An Introductory Guide. Sage University Paper Series on Quantitative
Applications in Social Science,07-057. Newbury Park, CA: Sage.

STATACORP. (2005). Stata Statistical Software: Release 9. College Station. TX: StataCorp LP.
VANETOKLIS, T. (2002). Public Policy Evaluation: Introduction to Quantitative Methodologies.
VATT-Research Reports. Government Institute for Economic Research. Helsinki.

WOLDRIDGE, J.M. (2006). Introductory Econometrics: a Modern Approach. Stata Press College
Station, USA.

Diversos Materiais coletados na Internet que constam da homepage do professor

(www.ecn26.ie.ufu.br) incluindo apresentações em PowerPoint sobre os temas e notas de aula
intitulada Economia Usando o Stata.