O objetivo desta disciplina é capacitar os alunos a apresentar os principais modelos econométricos desenvolvidos para a análise de dados longitudinais ou em painel (“modelos de painel”). Ao final do curso, espera-se que tenham adquirido a habilidade de propor e estimar efeitos causais usando dados em painel.

1. Introdução à dados em painel e o modelo agrupado
2. Modelo de Efeito Fixo
3. Modelo de Efeito Aleatório 
4. Teste de Hausman
5. Introdução a Painel Dinâmico
6. Introdução a Painel Não-balanceado

Introdução à Dados em Painel e o Modelo Agrupado: entender o que são dados em painel, como eles são estruturados, e a diferença entre dados em corte transversal e séries temporais. Aprender a implementar e interpretar um modelo agrupado, onde se assume que não há efeitos específicos de unidade ou tempo. Compreender as limitações do modelo agrupado, especialmente a sua incapacidade de capturar heterogeneidade entre as unidades.

Modelo de Efeitos Fixos: aprender como e por que os efeitos fixos são usados para controlar heterogeneidades inalteráveis entre as unidades. Entender como estimar um modelo de efeitos fixos e interpretar os resultados, especialmente em comparação com o modelo agrupado. Discutir quando o modelo de efeito fixo é apropriado e quais são suas limitações.

Modelo de Efeitos Aleatórios: compreender a premissa do modelo de efeitos aleatórios e quando ele é aplicável. Aprender as técnicas para estimar um modelo de efeitos aleatórios e como interpretar os coeficientes. Discutir as diferenças entre os modelos de efeito fixos e aleatórios e suas implicações.

Teste de Hausman: aprender o que é o Teste de Hausman e como ele é realizado. Entender como interpretar os resultados do Teste de Hausman e o que eles implicam para a escolha entre efeitos fixos e aleatórios. Conhecer as limitações do teste e situações em que pode ou não ser apropriado.

Introdução a Painel Dinâmico: entender como a dinâmica temporal é incorporada em modelos de painel. Aprender a modelar dados com defasagens e como estimar esses modelos. Discutir as implicações dos resultados e suas aplicações em diferentes contextos econômicos e sociais.

Introdução a Painel Não-balanceado: compreender o que torna um painel de dados não-balanceado e por que isso ocorre. Aprender métodos para analisar painéis não-balanceados, incluindo como lidar com dados ausentes ou incompletos. Discutir os desafios associados a painéis não-balanceados e como eles podem ser superados.