Currículo

Modelos Longitudinais ML

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

A conclusão bem sucedida desta UC supõe que o aluno é capaz de: OA1. Compreender a estrutura e características de dados longitudinais e medidas repetidas. OA2. Compreender os modelos mais usuais para séries temporais. OA3. Aplicar e interpretar modelos de regressão de efeitos mistos (modelos lineares e não-lineares). OA4. Compreender a modelação de crescimento e mudança em dados longitudinais. OA5. Analisar dados longitudinais utilizando ferramentas computacionais como R. OA6. Desenvolver uma abordagem crítica para a escolha de modelos adequados e a interpretação dos resultados.

Programa

P1. Introdução aos dados longitudinais P2. Séries temporais P2.1. Operador lag, estacionaridade, teste de raiz unitária P2.2. Ruído Branco, Modelos ARMA, ARIMA, SARIMAX P2.3. Metodologia de Box-Jenkins, Previsão P2.4. Aplicações com R P3. Modelos com dados de painel P3.1. Modelos de efeitos fixos P3.2. Modelos de efeitos mistos P3.3. Modelos de crescimento e mudança P3.4. Modelos lineares generalizados P3.5. Estrutura de covariância em dados longitudinais P3.6. Aplicações com R P4. Estudos de caso

Método de Avaliação

A avaliação ao longo do semestre inclui a realização de: a) Trabalho de grupo com ponderação de 40%, com possibilidade de discussão caso os docentes considerem necessário. A nota mínima do trabalho é de 10 valores. b)Teste individual com ponderação de 60% com nota mínima de 8,5 valores. Para aprovar é necessário uma média ponderada dos elementos de avaliação de, pelo menos, 9.5 valores. Avaliação por exame: exame individual que inclui a matéria toda com nota mínima de 10 valores (nota arredondada às unidades). O teste individual e o exame serão realizados sem consulta de folhas de apoio, livros ou outros materiais, não sendo permitida a utilização de calculadoras gráficas nem de telemóveis; apenas podem consultar o formulário e tabelas disponibilizados no Moodle para o efeito.

Carga Horária

Bibliografia

Principal

• Fitzmaurice, G. M., Laird, N. M., Ware, J. H. (2012). Applied Longitudinal Analysis. Wiley Hyndman, R. J., Athanasopoulos, G. (2018), Forecasting: Principles and Practice, 2nd Edition, OTexts Melbourne: · · ·

Secundária

• Arellano, M., Panel Data Econometrics (2003). Oxford University Press. Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press. Hedeker, D., & Gibbons, R. D. (2006). Longitudinal Data Analysis. Wiley. Pinheiro, J. C., & Bates, D. M. (2000). Mixed-Effects Models in S and S-PLUS. Springer. Singer, J. D., & Willett, J. B. (2003). Applied Longitudinal Data Analysis: Modeling Change and Event Occurrence. Oxford University Press. Wooldridge, J.M. (2010). Econometric Analysis of Cross Section and Panel Data, 2nd Edition, MIT Press. Verbeke, G., & Molenberghs, G. (2009). Linear Mixed Models for Longitudinal Data. Springer.: · · ·

Disciplinas de Execução