Curso de Stata

Aula 1 • Fundamentos da Sintaxe de Comandos

Ensina a estrutura padrão comando-varlist-if-in-options. A sintaxe correta é o pré-requisito para toda operação subsequente no Stata.

Aula 2 • Obtendo Ajuda e Documentação

Demonstra os comandos help, search e findit integrados para aprendizado autodirigido. Equipa os alunos para resolver erros de forma independente ao longo do curso.

Aula 3 • Tipos de Arquivo e Formatos do Stata

Apresenta os tipos de arquivo .dta, .do, .log e .gph e suas funções. Conecta hábitos de gerenciamento de arquivos a fluxos de trabalho reproduzíveis e organizados.

Aula 1 • Importando Dados de Múltiplas Fontes

Abrange os comandos import delimited, import excel e use para formatos comuns. Constrói o ponto de entrada para todas as tarefas subsequentes de manipulação de dados.

Aula 2 • Salvando e Exportando Dados

Demonstra os comandos save, export delimited e export excel para fluxos de trabalho de saída. Os alunos aprendem hábitos de controle de versão que protegem a integridade dos dados.

Aula 3 • Tipos de Variáveis e Formatos de Armazenamento

Explica os tipos de armazenamento numérico, string e data e suas implicações de memória. A tipagem correta previne erros em cálculos e mesclagens posteriores.

Aula 4 • Rotulando Variáveis e Valores

Ensina rótulos de variáveis, rótulos de valor e notas para conjuntos de dados autodocumentados. Dados rotulados reduzem a má interpretação durante a análise e o relato.

Aula 1 • Identificando e Lidando com Valores Ausentes

Aborda códigos de valor ausente, mvdecode, mvencode e padrões de ausência. O tratamento preciso de valores ausentes previne resultados enviesados em toda análise.

Aula 2 • Mesclando e Anexando Conjuntos de Dados

Aborda os comandos merge 1:1, 1:m, m:1 e append para combinar conjuntos de dados. A seleção correta do tipo de merge previne observações duplicadas ou perdidas.

Aula 3 • Gerando Novas Variáveis

Aborda as funções generate, egen e de string para criar variáveis derivadas. Novas variáveis codificam constructos analíticos diretamente no conjunto de dados.

Aula 4 • Recodificando e Substituindo Variáveis

Ensina os comandos recode, replace com condições e clonevar para transformação de variáveis. Essas ferramentas transformam códigos brutos em categorias analiticamente significativas.

Aula 1 • Visualização Exploratória de Dados

Apresenta histograma, diagrama de caixa, diagrama de dispersão e kdensity para exploração visual. Gráficos revelam outliers e características distribucionais que as estatísticas por si só não mostram.

Aula 2 • Tabulações Cruzadas e Tabelas de Frequências

Ensina o comando tabulate bidimensional, testes qui-quadrado e percentuais de linha/coluna. Tabelas cruzadas revelam associações entre variáveis categóricas antes da modelagem.

Aula 3 • Estatísticas Sumárias Univariadas

Abrange os comandos summarize, tabulate e codebook para descrição de variável única. Esses comandos formam o primeiro passo analítico para qualquer novo conjunto de dados.

Aula 4 • Análise por Grupo

Aborda o prefixo by, o comando bysort e o comando table para sumários estratificados. Estatísticas em nível de grupo expõem a heterogeneidade mascarada por medidas agregadas.

Aula 1 • Loop com foreach e forvalues

Demonstra foreach sobre varlists e listas de string, e forvalues sobre intervalos numéricos. Loops reduzem a repetição de código entre variáveis, grupos ou conjuntos de dados.

Aula 2 • Lógica Condicional com if e while

Abrange blocos if-else e loops while para fluxo de programa com ramificações. A lógica condicional permite que scripts se adaptem automaticamente às condições dos dados.

Aula 3 • Escrevendo e Executando Do-Files

Aborda o editor de do-files, os comandos run vs. do e a organização de scripts. Do-files são a base da pesquisa reproduzível no Stata.

Aula 4 • Arquivos de Log e Gerenciamento de Saída

Ensina os comandos log using, log close e translate para capturar e converter a saída. Logs criam um registro auditável de cada sessão analítica.

Aula 1 • Diagnóstico de Regressão

Aborda testes de heterocedasticidade, multicolinearidade e observações influentes. Os diagnósticos validam os pressupostos da OLS e orientam correções no modelo.

Aula 2 • Comandos Pós-Estimação

Demonstra os comandos predict, margins e test para inferência após regress. Comandos pós-estimação extraem quantidades de interesse além dos coeficientes brutos.

Aula 3 • Regressão OLS Simples e Múltipla

Aborda a sintaxe do comando regress, a interpretação de coeficientes e as estatísticas de ajuste do modelo. A OLS é a técnica de base da qual todos os modelos avançados derivam.

Aula 4 • Preditores Categóricos e Interações

Ensina a notação de variável fator (i. e c.) e termos de interação (##). Variáveis fator automatizam a codificação dummy e a especificação de interações.

Aula 1 • Modelos de Desfecho Binário

Aborda a estimação com logit e probit, efeitos marginais e ajuste do modelo. Modelos binários são necessários quando o desfecho é uma variável indicadora de zero-um.

Aula 2 • Modelos Ordinais e Multinomiais

Ensina os comandos ologit, oprobit e mlogit para desfechos ordinais e nominais. Esses modelos lidam com desfechos com mais de duas categorias não ordenadas ou ordenadas.

Aula 3 • Análise de Sobrevivência e Duração

Apresenta os comandos stset, sts graph e streg para dados de tempo até o evento. Modelos de sobrevivência consideram a censura que a regressão padrão ignora.

Aula 4 • Modelos para Dados de Contagem

Demonstra os comandos poisson, nbreg e suas variantes com inflação de zeros para desfechos de contagem. Modelos de contagem respeitam a natureza inteira não negativa dos dados de contagem.

Aula 1 • Declarando Dados em Painel e de Séries Temporais

Aborda os comandos xtset e tsset para declarar a estrutura de painel e de série temporal. A declaração correta ativa todos os comandos e operadores com prefixo xt e ts.

Aula 2 • Modelos de Séries Temporais: AR, MA e ARIMA

Aborda os comandos arima, ac e pac para modelagem univariada de séries temporais. Modelos ARIMA capturam a estrutura de autocorrelação para previsão e inferência.

Aula 3 • Modelos Dinâmicos em Painel

Demonstra os comandos xtabond2 e xtdpd para estimação GMM de Arellano-Bond. Modelos dinâmicos incluem desfechos defasados e lidam com endogeneidade em painéis.

Aula 4 • Autorregressão Vetorial e Cointegração

Apresenta os comandos var, irf e vecm para sistemas multivariados de séries temporais. VAR e VECM capturam interdependências dinâmicas entre múltiplas séries temporais.