Técnicas de Amostragem e Análise de Regressão

O livro trata de dois grandes temas da Estatística, a Teoria de Amostragem e a Análise de Regressão. Embora a Teoria da Amostragem esteja mais ligada à Estatística e a Análise de Regressão mais relacionada com a Econometria ambos as matérias têm relação entre si, conforme se detalha no texto. A Teoria da amostragem é tratada ao longo de 10 capítulos que cobrem a amostragem aleatória (simples e estratificada), amostragem sistemática, amostragem por conglomerados (simples e em três estágios), e o estimador de razão. O objetivo nesta parte do texto é apresentar de forma didática as principais técnicas, e por isso as provas dos resultados foram geralmente omitidas, mas não se deixou de considera alguns tópicos que poderiam ser classificados como mais avançados. De qualquer forma, a ênfase aqui é na interpretação dos resultados. Quanto á Análise de Regressão a discussão da matéria é em nível intermediário. Há certo número de derivações de resultados ao longo de todo o material, mas na maior parte das vezes as provas não são difíceis de acompanhar. Além da exposição detalhada dos principais tópicos da disciplina há ainda um amplo espectro de aplicações com dados da economia brasileira em artigos do autor publicados em periódicos especializados. Resumidamente os temas tratados são: o Capítulo 11 apresenta o modelo de regressão linear e não linear; o Capítulo 12 trata das propriedades estatísticas (e também dos testes de hipóteses) do modelo de regressão; o Capítulo 13 discute as questões que surgem quando os pressupostos clássicos do modelo de regressão são violados (basicamente, os problemas de heterocedasticidade e autocorrelação); o Capítulo 14 discute o uso de Variáveis Instrumentais em regressão, tratando ainda dos chamados modelos com Defasagem Distribuída; o Capítulo 15 apresenta os testes estatísticos sobre se a série é estacionária (ou não), bem como os problemas que surgem quando no modelo de regressão as séries forem não estacionárias; o Capítulo 16 discute modelos com o uso de variável dependente discreta (logit, probit, tobit, etc) e variável dependente limitada (regressão truncada e regressão censurada); finalmente, o Capítulo 17 discute a estimação de modelos com Dados em Painel.