Currículo

Modelos de Regressão MoRe

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

OA1. Entender a correlação entre variáveis, o modelo de regressão linear simples e múltipla. OA2. Conhecer os principais métodos de estimação dos parâmetros (OLS e ML) OA3. Saber fazer análise dos pressupostos do modelo de regressão, testes de hipótese e diagnóstico. OA4. Conhecer e saber aplicar os modelos de escolha binária (logit e Probit) AO5. Compreender as limitações da regressão linear utilizando a regressão de quantis. OA6. Programação básica e computação com R. OA7. Aplicação dos conceitos estudados; conjunto de treino/teste e previsão, extracção de informação e valor para dados do mundo real.

Programa

P1. Modelos de Regressão P1.1. Correlação P1.2. Regressão linear simples P1.3. Regressão linear múltipla P2. Estimação e inferência, OLS e ML P3. Pressupostos dos resíduos P3.1. Testes de hipótese e diagnóstico P3.2. Casos práticos P4. Modelos de Regressão para Escolha Binária P4.1.Modelo probabilistico linear P4.2 Modelos Probit e Tobit P5. Extensão do modelo clássico de regressão P5.1. Regressão de Quantis P5.2. Casos práticos P6. Programação básica e computação com R P7. Aplicações para dados e situações reais

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 8.5 valores. b)Teste individual com ponderação de 60% com nota mínima de 8,5 valores. Assiduidade minima a 2/3 das aulas. 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

• Cameron, A.C., Trivedi, P.K. (2008) Microeconometrics: Methods and Applications. Cambridge University Press Bruce P., Bruce A., and Gedeck P., (2020), Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python, 2nd Edition, O' Reilly Media, Inc. - Robert I. Kabacoff, (2022), R in Action: Data analysis and graphics with R, Third Edition, Manning Publications Co. - Tom Alby, (2024), Data Science in Practice, CRC Press. Robert I. Kabacoff, (2022), R in Action: Data analysis and graphics with R, Third Edition, Manning Publications Co. Wooldridge, J.M. (2019), "Introductory Econometrics: A Modern Approach", 7th Ed., Cengage Learning.:

Secundária

• Eric Goh Ming Hui, (2019), Learn R for Applied Statistics, Apress. Daniel J. Denis, (2020), Univariate, Bivariate, and Multivariate Statistics Using R: Quantitative Tools for Data Analysis and Data Science, JohnWiley & Sons, Inc. Ficheiros (slides e scripts) da UC a disponibilizar no Moodle.:

Disciplinas de Execução