Ementa: Este curso tem como objetivo introduzir as(os) alunas(os) aos métodos quantitativos, com foco no modelo de regressão linear. Especificamente, o curso fornecerá uma introdução sobre o funcionamento da regressão, aplicações práticas do método, incluindo inferência e apreciação dos resultados. A atenção do curso será voltada ao modelo de Mínimos Quadrados Ordinários, que descreve a relação entre uma ou mais variáveis independentes e uma variável dependente. Para tanto, apresento as bases desse tipo de abordagem: inferência estatística, testes de hipóteses, diagnósticos e intepretação dos coeficientes. Os tópicos examinados incluem desenhos de pesquisa, viéses de variável omitida e especificações diversas do Modelo de Mínimos Quadrados Ordinários, como relações não lineares e interações. Os exemplos trabalhados em sala de aula são aplicações reais do uso da estatística na ciência política e na sociologia.
Pré-requisitos: Conhecimento básico de estatística e da linguagem R de programação.
Método de Ensino: A disciplina será pautada por aulas expositivas, leituras diárias e aplicação dos técnicas ensinadas no software R. A leitura prévia dos textos é facultativa, mas amplamente indicada
Avaliação: A avaliação da disciplina será baseada na aplicação das técnicas ensinadas em um exercício ao final do curso. As datas de entrega dos trabalhos estão especificadas na seção "Cronograma das Aulas". Recomendo que as alunas e os alunos façam o trabalho em duplas.
Software: Neste curso usaremos o software R, a ferramenta mais popular de análise de dados para cientistas sociais atualmente. O software pode ser baixado gratuitamente. Recomendo também que as alunas e os alunos façam o download da interface gráfica Rstudio, que facilita a operacionalização do software.
Expectativas: A expectativa é que as(os) alunas(os) consigam interpretar os resultados das regressões múltiplas e fazer diagnósticos dos principais problemas relacionados às especificações do modelo de Mínimos Quadrados Ordinários.
Aula 1 – O que é Regressão?
– Regressão linear, mecânica dos mínimos quadrados ordinários, propriedades do es-
timador, teste de hipóteses e intervalos de confiança.
Leitura recomendada:
Arkes (2023), cap. 2.
Leituras complementares:
Bailey (2014), cap. 3.
Wooldridge (2018), cap. 1 (20-76).
Aula 2 – Premissas de MQO, Erros-Padrão e Testes de Hipóteses
Leitura recomendada:
Leituras complementares:
- Wooldridge (2018), caps. 2
- Bailey (2014), caps. 3
Aula 3 – Regressão Múltipla
– Inferência estatística para regressão linear múltipla, teste de hipóteses.
– Variáveis Dummy.
Leitura recomendada:
Leituras Complementares:
- Bailey (2014), cap. 5.
- Wooldridge (2018), caps. 5 e 6.
- Mesquita e Fowler (2021), cap. 10
Aula 4 – Ferramentas Essenciais: Padronização e Relações Não Lineares
– Relações não lineares entre as variáveis dependente e independente. Transformações para normalizar variáveis e/ou para romper com suposto de linearidade.
Leitura Recomendada:
Leituras Complementares:
- Bailey (2014), cap. 7.
- Wooldridge (2018), cap. 6 (6.1 e 6.2)
Aula 5 – Termos Interativos
– Termos interativos entre variáveis diversas (discreta x discreta; discreta x contínua; contínua x contínua).
Leitura Recomendada:
Leituras Complementares:
- Arkes (2023), cap. 3.
- Wooldridge (2018), cap. 7 (até 7.4)
Bibliografia para aprofundamento: ARKES, Jeremy. Regression analysis: a practical introduction. Routledge, 2023.
WOOLDRIDGE, Jeffrey. Introductory Econometrics: a Modern Approach. Cengage Learning, 7th edition, 2018.
BAILEY, Michael. Real STATS: Using Econometrics for Political Science and Public Policy. Oxford University Press, 2014.
