Mestrado em Economia (FACE)
URI Permanente para esta coleção
Navegar
Navegando Mestrado em Economia (FACE) por Por Orientador "Silva, Tatiane Ferreira do Nascimento Melo da"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Item Inferência estatística via bootstrap no modelo de regressão gama unitária(Universidade Federal de Goiás, 2022-09-16) Barroso, Ihuri Nunes; Silva, Tatiane Ferreira do Nascimento Melo da; http://lattes.cnpq.br/2901210654266903; Silva, Tatiane Ferreira do Nascimento Melo da; Milani, Eder Angelo; Monsueto, Sandro EduardoIn Economics, there are many situations involving data restricted to the range (0;1), that is, data of rates and proportions, and there are models that are better suited to this situation, such as the Unit Gamma regression model . However, when the sample size is small, or even moderate, the Statistical Inference of these models is compromised. Estimators, in general, tend to become more biased and test statistics lead to less accurate tests. Thus, it is necessary to use tools that are able to correct the bias of estimators and test statistics, such as the method of bootstrap. In this work, we propose Monte Carlo simulations, via bootstrap, which solve the aforementioned problems. In addition, we study socioeconomic variables that impact energy generation through photovoltaic systems, using the Unit Gamma regression model and Statistical Inference via it bootstrapItem Refinamentos de métodos assintóticos no modelo de regressão Lindley-Unitária(Universidade Federal de Goiás, 2021-02-25) Oliveira, Pedro Ricelly Gama de; Silva, Tatiane Ferreira do Nascimento Melo da; http://lattes.cnpq.br/2901210654266903; Silva, Tatiane Ferreira do Nascimento Melo da; Holanda, Francisco Bruno de Lima; Vargas, Tiago MoreiraModelos de regressão são amplamente utilizados em Economia, principalmente quando os dados envolvidos são taxas e proporções. O modelo de regressão Lindley-Unitária é definido para dados restritos ao intervalo (0,1). Em problemas regulares, a inferência baseada na teoria assintótica pode não ser confiável quando a amostra é pequena. É o caso da estimativa de máxima verossimilhança e do teste de Wald. Correções de vieses nos estimadores de máxima verossimilhança e ajuste feito na estatística de teste são uma forma amplamente utilizada para resolver tais problemas. Nesta dissertação, obtemos uma expressão para corrigir o viés e uma fórmula para a matriz de covariância de segunda ordem para os estimadores de máxima verossimilhança no modelo de regressão Lindley-Unitária. Evidências numéricas mostram que os estimadores corrigidos são menos viesados e que o teste de Wald baseado na covariância de segunda ordem é mais preciso. Finalmente, duas aplicações para dados econômicos são apresentadas, nas quais as correções levaram a diferentes inferências.