Exercício empírico do curso de Econometria I

Parte da nota do nosso curso de Econometria I será  baseada na apresentação de um exercício empírico. Como você terá pouco tempo para apresentar (em torno de 10 min em uma das ultimas aulas do curso) e precisaremos ser rígidos nesse assunto (pois não temos tempo suficiente), você precisa ser pragmático.

Escolha do exercício:

Você deve replicar um artigo de economia, parte dele ou pelo menos usar os dados de algum trabalho empírico (se a técnica do seu artigo de interesse não tiver sido discutida no curso) usando uma das técnicas discutidas no curso. O artigo de interesse deve vir de um dos jornais listados abaixo, deve ter os dados disponíveis (ou você pode conseguir dados similares) e ter sido publicado nos últimos 5 anos.

Slide 1: Por que você escolheu esse artigo: Referência e motivação.

Slide 2: Base econômica para o material discutido no artigo (revisão da literatura).

Slide 3: Detalhamento da base de dados.

Slide 4: Algum detalhe ou estatística que você pretende discutir usando os dados reais.

 Slide 5: Algum figura que você achar relevante apresentar de seus dados.

Slide 6: Tabela com os resultados econométricos.

Slide 7: Código que você desenvolveu para fazer o exercício.

O resumo desses slides (em forma de texto) incluindo o código deve ser postado no prorum (para possível referência futura de seus colegas) e o link colocado numa planilha que ficará disponível para vocês aqui nessa página quando o curso iniciar. O título desse post será "Explorando a base de dados X".

Lista de jornais:

Econometrica, Econometric Society
American Economic Review, American Economic Association
The Quarterly Journal of Economics, Oxford University Press
Journal of Financial Economics, Elsevier
Journal of Political Economy, University of Chicago Press
Review of Financial Studies, Society for Financial Studies
Journal of Finance, American Finance Association
Journal of Economic Growth, Springer
Review of Economic Studies, Oxford University Press
American Economic Journal: Macroeconomics, American Economic Association
Journal of Monetary Economics, Elsevier
American Economic Journal: Applied Economics, American Economic Association
The Review of Economics and Statistics, MIT Press
Journal of Econometrics, Elsevier
Journal of Labor Economics, University of Chicago Press
Economic Journal, Royal Economic Society
Journal of International Economics, Elsevier
Journal of Public Economics, Elsevier
RAND Journal of Economics, RAND Corporation
Journal of the European Economic Association, European Economic Association
Journal of Development Economics, Elsevier
Journal of Applied Econometrics, John Wiley & Sons, Ltd.
Journal of Banking & Finance, Elsevier
Management Science, INFORMS
Journal of Business & Economic Statistics, Taylor & Francis Journals
American Economic Journal: Economic Policy, American Economic Association
European Economic Review, Elsevier
Journal of Financial Intermediation, Elsevier
Journal of Economic Theory, Elsevier
Energy Economics, Elsevier
Journal of Money, Credit and Banking, Blackwell Publishing
Journal of Law and Economics, University of Chicago Press

Sobre a solução de exercícios no Curso de Metodos Computacionais em 2020

Considere as informações abaixo sobre a solução de exercícios que serão usados para a avaliação no nosso curso: 

 0) Os exercícios a serem resolvidos são individuais e estarão disponíveis juntos com os slides que serão publicados aqui nesse site depois da aula. 

1) Os exercícios que serão usados para avaliação são indicados por uma estrela.

2) Se você escolher um exercício, você atualiza a planilha do google: Planilha

3) Todos os exercícios devem ser resolvidos e publicados no prorum.com. Você precisará criar uma conta no site para perguntar e responder. Você pode usar o seu nome ou um apelido que você criar (nesse caso, você deve avisar ao seu professor que manterá em sigilo). Se você usar o seu nome, suas perguntas, respostas e comentários ficarão públicos. Eu não vejo problema nenhum nisso, visto que todos estão no curso para aprender. Entretanto, alguém pode manter seu nome em sigilo se desejar. O nome público do site e da planilha devem ser os mesmo. 

4) Como fazer a pergunta e respondê-la? 

a) Primeiro você deverá fazer a pergunta. 

b) Depois que você fizer a pergunta, aparecerá uma aba para resposta, onde você incluirá a sua resposta. 

c) Quando terminar de responder a sua pergunta, inclua o link na planilha editável mencionada acima. 

d) O PRorum aceita edição em latex. Use e explore isso. Evite usar editores de equações bizarros como aqueles usados no Word. Se você nunca usou, aproveite essa oportunidade para aprender. As dicas estão nesse link: http://prorum.com/?qa=213/como-escrever-equacoes-matematicas-usar-latex-no-prorum-com&show=213#q213 

5) Os exercícios devem ser auto-contidos para permitir que qualquer pessoa, estudante, ex-aluno, aluno de outro curso (por exemplo, alguns dos exercícios desse curso também são usados no meu curso de Métodos Computacionais ou Economia Quantitativa) possa acessa-lo sem ter que acessar os slides, livro ou outro material específico do curso. Lembre que é sempre difícil entender códigos ou resoluções de outros colegas. Por isso, seja cuidadoso e lembre que esse material que você está gerando contribui para a metade de sua nota no curso e será provavelmente usado por muitos anos e por muitos colegas. 

5) Foi combinado em sala que cada estudante resolveria 4 exercícios e comentaria outros quatro de outros colegas. 

6) Sugere-se que cada aluno se planeje para resolver pelo menos um exercício estrela por mês. Essa política evita o problema de deixar todos os exercícios para o final. Por favor, não deixe para resolver todos os exercícios na última semana. Essa postura gera prejuízos em pelo menos três dimensões: 

a) Quando isso ocorre, a solução dos exercícios apresentam menor qualidade. 

b) Dificulta a vida de seu colega que precisa comentar seu exercício. 

7) Dificulta a vida de seu professor que precisa corrgir seu exercício. 

8) Os comentários devem ser precisos. Não use "Ótima solução"! Use "Ótima solução, pois você explorou..." Ou então "Faltou na solução XXX". "Sua solução pode ser melhorada se você considerar os seguintes aspectos." 

9) Alguns exemplos de boas soluções em versões anteriores do curso: http://prorum.com/?qa=2448/como-posso-testar-um-intervalo-possui-numeros-perfeitos&show=2448#q2448 http://prorum.com/?qa=2414/implementar-extrair-informacoes-conectividade-aciclicidade&show=2414#q2414 http://prorum.com/?qa=2609/como-prever-corretamente-os-digitos-da-base-de-dados-mnist&show=2609#q2609

Aula 4 de Métodos Computacionais em Economia (2020) - Recursão

Na nossa quarta aula de métodos computacionais discutimos recursões. Esses são os slides usados em sala.

Abaixo temos os exemplos apresentados em sala de aula:

Implementações da sequencia de Fibonacci

Implementações do fatorial de um número

Solução da Torre de Hanoi

Referências:

Think recursively - Eric S. Roberts

Persian Recursion Anne M. Burns Mathematics Magazine Vol. 70, No. 3 (Jun., 1997), pp. 196-199

The Algorithmic Beauty of Plants - Przemyslaw Prusinkiewicz and Aristid Lindenmayer (1991)

Introduction to recursive programming - Manuel Rubio Sanchez

Mathematical puzzles and diversions (Volume 2) - Martin Gardner

Referências Adicionais para essa aula:

1. Usuários de Python podem ter interesse em olhar:

Think Python - Allen Downey: Capítulo 5.

2. Usuários de C++ podem ter interesse em olhar:

Think C++: Capítulo 4.


Soluções da série de exercícios


Observação: Vários dos exercícios abaixo usam a idéia de Turtle Graphics discutida aqui.

Algoritmo de Euclides [Questão 5 dos slides]

Árvores usando recursão [Questão 6 dos slides]

Pinturas de Mondrian usando recursão [Questão 7 dos slides]

Sierpinski Gasket [Questão 8]

Ilhas de Koch [Questão 9(a)]

Ilhas de Koch 2 [Questão 9(b)]

Gosper Hexagonal Curve [Questão 9(c)]

L-systems [Questão 9(d)]

Tree OL Systems 2 [Questão 9(e)]

Tree OL Systems [Questão 9(f)]

Tree OL Systems [Questão 9(g)]

Tree OL Systems [Questão 9(g) - solução 2]

Tree OL Systems [Questão 9(i)]

Tree OL Systems [Questão 9(m)]

Tree OL Systems [Questão 9(o)]

Tree OL Systems [Questão 9(r)]

Tree OL Systems [Questão 9(s)]

Como implementar persian recursions [Questão 10(a) e 10(b)]

Triangulo de Sierpinski [Questão 11(a)]

Curva de Hilbert [Questão 11(b)]

Árvore binária [Questão 11(c)]

Tabuleiro [Questão 11(d)]

Combinações no jogo de basquete [Questão 11(e)]

Soma de bits [Questão 11(f)]

Números de Catalan [Questão 11(g)]

Números de Catalan [Questão 11(g)]

Árvore binária [Questão 11(h)]

Pirâmides [Questão 11(i)]

John-Mary [Questão 11(j)]

Aula 3 de Métodos Computacionais em Economia (2020) - Coleções Básicas de Dados

Na nossa terceira aula de métodos computacionais discutimos coleções básicas de dados. Esses são os slides usados em sala.

Abaixo temos os exemplos apresentados em sala de aula:

Como usar sequências de dados ou arrays em programação estruturada?

Como usar conjuntos ou sets em programação computacional?

Como usar mapas (maps) ou dicionários em programação computacional?

Soluções de exercícios

Como implementar o produto de matrizes? [Considere apenas a solução convencional nessa resposta. As outras serão discutidas mais para frente no curso]

Como fatorar um número inteiro?

Aula 2 de Métodos Computacionais em Economia (2020): Noções de Programação Estruturada

Nós tivemos nossa segunda aula de método computacionais. Esses são os
slides usados em sala de aula.

Abaixo temos os exemplos apresentados em sala de aula:

Exemplo de Controle de Fluxo usando Condicionais

Exemplo do uso do Loop For em um programa computacional

Exemplo do uso do Loop While em um programa computacional

Referências Adicionais para essa aula:

1. Usuários de Python podem ter interesse em olhar:

Think Python - Allen Downey

2. Usuários de C++ podem ter interesse em olhar:

Think C++

Alguns links externos relacionados com essa aula:

Qual o propósito de incluir "if __name__ == '__main__':" em python?

Computação Humana

Page Rank

Melhores livros de Python


Soluções das séries de exercício:

Questão 1

Questão 2

Questão 3

Questão 4

Questão 5

Questão 6

Questão 11 (a)

Questão 12

Aula 1 de Métodos Computacionais em Economia (2020): Paradigmas de programação

Nós tivemos nossa primeira aula de método computacionais. Esses são os
slides usados em sala de aula.

Curso de Métodos Computacionais 2020

Como já discutido aqui, o curso de métodos computacionais nesse semestre será dividido em três partes: A primeira parte lida com tópicos básicos de programação estruturada e orientação a objeto. A segunda parte com projeto de algoritmos. A terceira parte foca em Aprendizagem de Máquinas e Deep Learning.

A pretensão básica do curso é que o bom estudante depois do curso terá habilidade de lidar com qualquer tópico considerado em aqui, mesmo que o tópico específico não tenha sido discutido em sala.

As versões anteriores desse curso, você pode encontrar: versão 2017, versão 2016, versão 2018 e versão 2019.



Por favor, dê uma olhada na lista de pré-requisitos (no final do post). Principalmente aquele que vêm do fundo do meu coração.

PARTE I - Noções de Programação

1) Paradígmas de programação

Aula 1

2) Introdução a programação estruturada

Aula 2

3) Coleções de dados

Aula 3

4) Recursões

Aula 4

5) Noções de programação orientada a objeto

Aula 5

6) Complexidade computacional

Aula 6

7) Pilhas e filas

Aula 7

Parte II - Projeto de algoritmos

1) Força bruta

Aula 8

2) Força bruta II - Busca exaustiva

Aula 9

3) Força bruta III - Busca exaustiva em grafos

Aula 10

4) Redução e conquista

Aula 11

5) Divisão e conquista

Aula 12

6) Transformação e conquista

Aula 13

7) Backtracking

Aula 14

8) Branch and Bound

Aula 15

9) Programação Dinâmica

Aula 16

10) Estratégias Gananciosas

Aula 17

11) Melhoria Iterativa

Aula 18

12) Quick Sort

Aula 19

13) Compromisso entre eficiência temporal e espacial

Aula 20

INTERLÚDIO

[Ferramentas]

1) Introdução aos Métodos de Monte Carlo

Aula 20

2) Análise numérica e otimização
[Atividade extra-classe]

Aula 21

2) Modelos baseados em agentes

Aula 22
19

PARTE III - Aprendizagem de Máquinas (Machine Learning)

1) Introdução a aprendizagem de máquinas

Aula 23

2) Modelos lineares de regressão (Modelos lineares de funções de base)

Aula 24

3) Modelos Bayesianos

Aula 25

4) Previsão (Big picture)

Aula 26

5) Modelos lineares regularizados

Aula 27

6) Modelos lineares de classificação

Aula 28

7) Árvores de decisão

Aula 29


8) Redes neurais e deep learning

Aula 30

8) Aprendizagem por reforço

Aula 31

9) Processamento de linguagem natural

Aula 32


AVALIAÇÂO

Haverá duas avaliações: Uma prova que inclui partes I e II do curso e exercícios individuais que abordem tópicos do curso inteiro. Como resolver exercícios?

REFERÊNCIAS

Existe uma lista gigante de referências por tópico. Existe um resumo dessas referências aqui. Se você quiser uma lista mais detalhada, dê uma olhada nas aulas individuais da nossa versão anterior do curso aqui.

PERGUNTAS FREQUENTES

Esse é um curso para aprender métodos computacionais para econometria?

Não, mas vários tópicos tangenciam problemas similares considerados em econometria. Normalmente, um curso usual de Machine Learning incluiria um tópico com noções básicas de modelos de regressão, mas como esse curso está no programa de economia não faz muito sentido ficar explorando isso. Adicionalmente, como já mencionado, se o estudante aprende bem as partes I e II do curso, ele terá habilidade de lidar com qualquer tópico considerado em aqui. Além disso, as técnicas utilizadas para replicar os exemplos do Wooldridge em Python são triviais se você aprender o conteúdo do curso.

Qual a linguagem que será usada no curso?

De uma forma geral o curso não deve focar em nenhuma linguagem específica. Entretanto, nesse semestre a maioria dos exemplos será em Python, embora você pode encontrar exemplos em R, Matlab, C++, Java desenvolvidos em versões anteriores do curso. A maioria dos exercícios da primeira parte não dependerá especificamente de nenhuma linguagem. Alguns exercícios só poderão ser implementados em Python.

Quais os pre-requisitos para o curso?

Não temos pre-requisitos específicos, mas vários tópicos dependem de conhecimentos de Álgebra-Linear, Otimização e maturidade em matemática, estatística ou econometria equivalente a de um aluno de mestrado em economia de um bom programa.


FROM THE BOTTOM OF MY HEART (o pre-requisito mais importante):

De fato, um pre-requisito fundamental em qualquer curso que leciono é muita disposição para aprender e lidar com coisas novas para resolver novos problemas. Os estudantes devem ter ou desenvolver a capacidade de lidar com um problema novo que estende o material em sala de aula sem a ajuda do professor, tendo em mãos apenas as referências básicas. Essa habilidade muito comum em estudantes da engenharia infelizmente não é muito explorada em estudantes de economia.

Deixar a arrogância em casa para ser capaz de perceber que não sabemos tudo e que existem sempre pessoas com mais conhecimento em um determinado tópico que nós mesmos. Aproveitar desse fato para aprender com os colegas e com o professor àquelas dimensões mais restritas.

Esse é um curso OPTATIVO e lúdico desenhado para o estudante e o professor se divertirem. Se você não está muito motivado com o curso ou acha que o curso não o acrescentará muito e você pretende manter uma atitude negativa e passiva ao longo do curso, existem dezenas de cursos mais adequados para você no programa.

Não sou aluno do Programa de Doutorado em Economia. Eu posso fazer o curso?

Sim. Você pode entrar em contato com a secretária do Programa de Pós-Graduação em Economia da UnB e verificar a disponibilidade de vagas para matrícula como aluno especial.

Posso assistir como ouvinte?

Infelizmente a UnB não permite esse tipo de aluno.


HORÁRIO: TERÇAS E QUINTAS 10 AS 12