Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
03178
Acrónimo :
03178
Ciclo :
2.º ciclo
Línguas de Ensino :
Inglês (en)
Língua(s) amigável(eis) :
Português,Inglês

Carga Horária / Course Load


Semestre :
2
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
30.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
31.0h/sem
Trabalho Autónomo :
119.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Economia

Departamento / Department


Departamento de Economia

Ano letivo / Execution Year


2021/2022

Pré-requisitos / Pre-Requisites


Bons conhecimentos de Microeconomia, Macroeconomia e Econometria.

Objetivos Gerais / Objectives


Esta unidade curricular aborda algumas das principais técnicas econométricas usadas em estudos económicos aplicados. A interacção entre os modelos económicos teóricos e a análise econométrica empírica é o foco do curso, tendo os estudantes a oportunidade de formular e testar modelos económicos usando dados reais.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes


No final da unidade curricular, o aluno deverá ter atingido os seguintes objectivos de aprendizagem (OA): OA1. Conhecer e compreender as principais áreas de aplicação da teoria microeconómica; OA2. Conhecer e compreender as principais áreas de aplicação da teoria macroeconómica; OA3. Ser capaz de desenvolver estratégias de aplicação empírica de modelos teóricos; OA4. Utilizar os conhecimentos teóricos e empíricos adquiridos na análise crítica de problemas concretos; OA5. Ser capaz de trabalhar com packages econométricos.

Conteúdos Programáticos / Syllabus


P1. Modelos microeconómicos 1.1. Introdução a Machine Learning 1.2. Linear Model Selection and Regularization 1.3. Tree-based Methods 1.4. Aplicações P2. Modelos macroeconómicos 2.1. O Problema da Previsão 2.2. Métodos Lineares e Nãolineares 2.3. Previsão e Machine Learning 2.4. Aplicações P3. Outros tópicos 3.1. Regressão de Quantis e Tail Events 3.2. Previsão em Modelos sujeitos a Instabilidades

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes


Os objectivos de aprendizagem (OA) estão contemplados no programa (P) da seguinte forma: OA1 - P1 OA2 - P2 OA3 - P1 a P3 OA4 - P1 a P3 OA5 - P1 a P3

Avaliação / Assessment


A aprovação na disciplina realiza-se por avaliação contínua ou exame final. 1. Avaliação contínua: Elementos de avaliação: Teste (50% da nota); Trabalho de grupo (50% da nota). Critérios para aprovação: (i) média ponderada mínima de 10 valores; (ii) nota mínima no teste de 7 valores; (iii) Assiduidade mínima: 80% das aulas. 2. Exame final: Prova escrita (100% da nota).

Metodologias de Ensino / Teaching methodologies


São utilizadas as seguintes metodologias de ensino-aprendizagem (MEA): MEA1. Expositivas, para apresentação dos modelos, métodos e testes de referência; MEA2. Participativas, com análise e resolução de exercícios práticos baseados em dados reais; MEA3. Activas, com realização de trabalhos de grupo; MEA4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos utilizando software econométrico; MEA5. Auto-estudo, com trabalho autónomo por parte do aluno.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes


Os objectivos de aprendizagem (OA) estão articulados com as metodologias de ensino-aprendizagem (MEA) da seguinte forma: OA1 - MEA1, MEA2; OA2 - MEA1, MEA2; OA3 - MEA3 a MEA5; OA4 - MEA3 a MEA5; OA5 - MEA4.

Observações / Observations


Devido à atual situação provocada pela COVID-19, o processo de avaliação poderá sofrer algumas adaptações, que serão comunicadas oportunamente, caso tal venha a ser necessário.

Bibliografia Principal / Main Bibliography


James, G., Witten, D., Hastie, T. and Tibshirani, R. (2013) An Introduction to Statistical Learning: with Applications in R, Springer-Verlag Ghysels, E., Marcellino, M., (2018), Applied economic forecasting using time series methods, Oxford University Press.

Bibliografia Secundária / Secondary Bibliography


Wooldridge, J.M. (2015), Introductory Econometrics: a Modern Approach, 6th Ed., South-Western Publishers. Verbeek, M. (2017), A Guide to Modern Econometrics, 5th Ed., Wiley. Stock, J.H., M.W. Watson (2014), Introduction to Econometrics, 3rd Ed., Pearson. Patterson, K. (2000), An Introduction to Applied Econometrics: A Time Series Approach, Palgrave. Intriligator, M., Bodkin, R. and Hsiao, C. (1995), Econometric Models, Techniques and Applications, 2nd Ed, Prentice Hall. Deaton, A., J. Muellbauer (1980), Economics and Consumer Behavior, Cambridge University Press. Coelli, T.J., D.S.P. Rao, C.J. O'Donnell, G.E. Battese (2005), An Introduction to Efficiency and Productivity Analysis, 2nd Ed., Springer. Berndt, E.R. (1991), The Practice of Econometrics - Classic and Contemporary, Addison-Wesley.

Data da última atualização / Last Update Date


2024-02-16