Este tutorial apresenta técnicas para análise de dados em painel, abordando os seguintes modelos: modelo de dados empilhados (Pooled OLS), modelo de efeitos fixos (FE), modelo de efeitos fixos com diferença pela média, e modelo de efeitos aleatórios (RE). Também explora gráficos, testes de comparação entre os modelos e diagnósticos essenciais para validação da modelagem de dados em painel.

Este tutorial oferece uma abordagem prática para a estimação e análise de Modelos de Correção de Erros Vetoriais (VEC), uma extensão dos modelos VAR aplicada a séries temporais cointegradas. Utilizando dados simulados de PIB e Taxa de Juros, abordaremos os Testes de Cointegração de Engle-Granger e Johansen, além de elementos fundamentais para a construção de um modelo VEC, como testes de raiz unitária e interpretação de parâmetros de cointegração.

Este tutorial fornece uma abordagem prática para a estimação e análise de modelos VAR (Vetores Autorregressivos), usando dados simulados de PIB e Taxa de Juros. Através das Funções de Resposta ao Impulso (IRF) e da Decomposição da Variância (FEVD), exploramos como choques em uma variável afetam a outra ao longo do tempo. Além disso, abordamos os diagnósticos do modelo, testes de estacionariedade e o cálculo de previsões com gráficos detalhados.

Este tutorial demonstra a aplicação do teste de causalidade de Granger para avaliar se uma variável pode prever outra em séries temporais, cobrindo quatro cenários: causalidade unidirecional, bilateral e independência. Utilizando dados simulados de PIB e Taxa de Juros, são apresentados os passos para definir o número ideal de defasagens, realizar o teste e interpretar os resultados. O método pode ser aplicado a qualquer série temporal econômica, com orientações detalhadas sobre a preparação do ambiente, visualização gráfica e análise das relações de causalidade.

Este tutorial apresenta uma abordagem prática para análise de séries temporais, com foco na estimativa de modelos ARIMA utilizando a metodologia Box-Jenkins. Inicialmente, ele define séries temporais e descreve o modelo ARIMA, que combina componentes autorregressivos, diferenciais e de médias móveis. A metodologia Box-Jenkins é explicada em quatro etapas: identificação, estimação, diagnóstico e previsão. O tutorial inclui exemplo prático usando dados reais.

Este tutorial apresenta uma análise prática de estacionariedade em séries temporais. Aplica-se os testes ADF, KPSS, Phillips-Perron e Zivot-Andrews, além de visualizações como gráficos de série e correlogramas. Cada teste é explicado e seus resultados são interpretados, oferecendo uma introdução e aplicação para análise de estacionariedade.

Modelos de equações simultâneas são ferramentas estatísticas usadas para entender e analisar sistemas onde várias variáveis dependentes são inter-relacionadas, ou seja, onde uma variável pode ser simultaneamente causa e efeito de outras variáveis dentro do mesmo sistema. Esse documento aborda esses modelos.

A decomposição de séries temporais é uma técnica essencial na análise de dados, permitindo a separação de uma série temporal em componentes distintas, como tendência, sazonalidade e ruído. Neste documento, exploraremos os conceitos teóricos da decomposição de séries temporais, apresentando uma aplicação prática utilizando um dado econômico brasileiro.