Econometria I

Published:

```{r setup, include=FALSE} # knitr::opts_chunk$set(cache=FALSE, dev='pdf') knitr::opts_chunk$set(cache=F, fig.path = 'figs/', cache.path='cache/', warning=F, message=F) knitr::opts_chunk$set( fig.process = function(x) { x2 = sub('-\\d+([.][a-z]+)$', '\\1', x) if (file.rename(x, x2)) x2 else x } ) advdate <- function(obj, adv) { tmon <- obj + 7*(adv-1) tfri <- obj + 4 + 7*(adv-1) tmon <- format(tmon, format="%m/%d") tfri <- format(tfri, format="%m/%d") zadv <- sprintf("%02d", adv) tmp <- paste("Week ",zadv,sep='',", ", tmon," - ",tfri) return(tmp) } options(scipen=999) library(tidyverse) library(stevemisc) #library(ggpmisc) #library(anonymizer) # library(ggcal) #library(stringr) #library(kfigr) #library(broom) library(lubridate) library(RefManageR) library(knitcitations) library(rcrossref) bib <- ReadBib("/Users/henriquefonseca/Documents/UFPE/Econometria - PIMES/Code Lectures/Syllabus/master.bib") myopts <- BibOptions(bib.style = "authoryear", style="latex", first.inits=FALSE, max.names = 20) # Create a calendar for your syllabus ---- # Source: http://svmiller.com/blog/2020/08/a-ggplot-calendar-for-your-semester/ # 1) what is the first Monday of the semester? # Any number of ways to identify dates in R, but we'll use {lubridate} and the ymd() function here. # Format: YYYYMMDD. In this example, 4 January 2021. mon <- ymd(20230814) # What are some dates you won't be here? In this example, I had a conference on 7 January 2021. # Spring Break was 15 March 2021 to 19 March 2021. not_here_dates <- c( # SPSA 2021, ymd(20210107), # Spring Break seq(ymd(20210315),ymd(20210319), by=1)) # You can adjust this as you see fit. Basically: add assignment types (e.g. papers, quizzes). # My intro class was fairly simple: just exams. exam_dates <- c(ymd(20210218), ymd(20210401), ymd(20210429)) # What are the full dates of the semester? Here, I'll exclude exam week as I like to do. # In this case: 6 January to 23 April semester_dates <- seq(ymd(20210106), ymd(20210423), by=1) # Custom function for treating the first day of the month as the first week # of the month up until the first Sunday (unless Sunday was the start of the month) wom <- function(date) { first <- wday(as.Date(paste(year(date),month(date),1,sep="-"))) return((mday(date)+(first-2)) %/% 7+1) } # Create a data frame of dates, assign to Cal tibble(date = seq(ymd(20210101), ymd(20210430), by=1)) %>% mutate(mon = lubridate::month(date, label=T, abbr=F), # get month label wkdy = weekdays(date, abbreviate=T), # get weekday label wkdy = fct_relevel(wkdy, "Sun", "Mon", "Tue", "Wed", "Thu","Fri","Sat"), # make sure Sunday comes first semester = ifelse(date %in% semester_dates, 1, 0), # is date part of the semester? exams = ifelse(date %in% exam_dates, 1, 0), # is it an exam? not_here = ifelse(date %in% not_here_dates, 1, 0), # is it a day off? day = lubridate::mday(date), # get day of month to add later as a label # Below: our custom wom() function week = wom(date)) -> Cal # Create a category variable, for filling. # I can probably make this a case_when(), but this will work. Cal %>% mutate(category = NA, category = ifelse(semester == 1, "Semester", category), category = ifelse(semester == 1 & wkdy %in% c("Tue", "Thu"), "Class Day", category), category = ifelse(exams == 1, "Exams", category), category = ifelse(is.na(category) | (semester == 1 & not_here == 1), "NA", category)) -> Cal Cal %>% ggplot(.,aes(wkdy, week)) + # custom theme stuff below # theme_steve_web() + theme_bw() + theme(panel.grid.major.x = element_blank()) + # geom_tile and facet_wrap will do all the heavy lifting geom_tile(alpha=0.8, aes(fill=category), color="black", size=.45) + facet_wrap(~mon, scales="free", ncol=3) + # fill in tiles to make it look more "calendary" (sic) geom_text(aes(label=day)) + # put your y-axis down, flip it, and reverse it scale_y_reverse(breaks=NULL) + # manually fill scale colors to something you like... scale_fill_manual(values=c("Class Day"="steelblue", "Semester"="lightsteelblue", "NA" = "white", # I like these whited out... "Exams"="indianred4"), #... but also suppress a label for a non-class semester day breaks=c("Class Day","Exams")) + labs(fill = "", x="", y="", caption = "Notable dates: SPSA 2021 (7 January), Spring Break (15-19 March)") -> class_cal ``` # Descrição O curso cobrirá modelos, bem como métodos de identificação e estimativa usados na econometria moderna. O curso explora alguns dos principais modelos de econometria, suas estruturas bem como métodos de identificação, estimativa e inferência. Os tópicos incluem modelos de regressão linear, infência estatística, variáveis instrumentais, modelos de resposta qualitativa e dados de painel. # Bibliografia ```{r, echo = FALSE, results="asis", eval=T} bib["greene2012econometric"] ``` ## Leitura Complemetar ```{r, echo = FALSE, results="asis", eval=T} bib["davidson2004econometric", "cameron2005microeconometrics"] ``` # Políticas do Curso Para criar um ambiente de aprendizado eficaz para todos os alunos, por favor, chegue pontualmente às aulas e evite comportamentos que possam ser perturbadores para os colegas. As discussões em sala de aula devem ser respeitosas tanto com os colegas quanto com pontos de vista divergentes. Os slides das aulas serão disponibilizados na página do curso. Freqüência às aulas é extremamente recomendada. Todos os alunos são assumidos estarem cientes de qualquer anúncio feito em sala de aula, mesmo quando os mesmos não estejam presentes. Prova de segunda chamada será realizada unicamente nos casos previstos no regimento da Universidade. Os alunos deverão seguir os procedimentos descritos no regimento para solicitar segunda chamada. A segunda chamada inclui todo o material do semestre. Solicitações de revisão de prova devem ser feitas por escrito de acordo com o regimento do PIMES. Toda a prova será reavaliada, isto implica que a nota pode aumentar, cair ou permanecer a mesma. ## Avaliações - **80%** da nota será composta por dois exames (não-cumulativos) com pesos iguais. - **20%** da nota será composta por listas de exercícios distribuídas ao longo do semestre. # Programa ```{r calendar, echo=F, eval=F, fig.cap="A Calendar for the Class (My Class Title, Spring 2021)", warning=F, fig.width=11, fig.height=7} class_cal ``` 1. O Modelo de Regressão Linear (Capítulo 2) 2. Regressão por Mínimos Quadrados (Capítulos 3, 4, 5 6) 3. Endogeneidade e Variáveis Instrumentais (Capítulo 8) 4. Heteroscedasticidade (Capítulo 9) 5. Modelos de Dados em Painel (Capítulo 11) 6. Modelos de Resposta Qualitativa (Capítulo 17) 7. Método dos Momentos Generalizado (Capítulo 13) 8. Estimação por Máxima Verossimilhança (Capítulo 14)