Curso de Software Stata

Aula 1 • Fundamentos da Sintaxe de Comandos

Ensina a estrutura de sintaxe padrão comando-varlist-if-in-opções. A sintaxe correta é o pré-requisito para todas as operações subsequentes no Stata.

Aula 2 • Obter Ajuda e Documentação

Demonstra os comandos incorporados help, search e findit para aprendizagem autónoma. Equipa os alunos para resolverem erros de forma independente ao longo do curso.

Aula 3 • Tipos de Ficheiro e Formatos do Stata

Apresenta os tipos de ficheiro .dta, .do, .log e .gph e as suas funções. Relaciona hábitos de gestão de ficheiros com fluxos de trabalho reproduzíveis e organizados.

Aula 1 • Importação de Dados de Múltiplas Fontes

Aborda 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 • Guardar e Exportar Dados

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

Aula 3 • Tipos de Variável e Formatos de Armazenamento

Explica os tipos de armazenamento numérico, de cadeia de caracteres e de data e as suas implicações na memória. A tipagem correta evita erros em cálculos e junções a jusante.

Aula 4 • Rotulagem de 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 a elaboração de relatórios.

Aula 1 • Identificação e Tratamento de Valores Omissos

Aborda códigos de valor omisso, mvdecode, mvencode e padrões de omissão. O tratamento preciso de valores omissos evita resultados enviesados em todas as análises.

Aula 2 • Junção e Apêndice de Conjuntos de Dados

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

Aula 3 • Geração de Novas Variáveis

Aborda funções generate, egen e de cadeia de caracteres para criar variáveis derivadas. Novas variáveis codificam construções analíticas diretamente no conjunto de dados.

Aula 4 • Recodificação e Substituição de Variáveis

Ensina recode, replace com condições e clonevar para transformação de variáveis. Estas ferramentas transformam códigos crus em categorias analiticamente significativas.

Aula 1 • Visualização Exploratória de Dados

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

Aula 2 • Tabulações Cruzadas e Tabelas de Frequências

Ensina tabulate bidirecional, testes qui-quadrado e percentagens de linha/coluna. As tabulações cruzadas revelam associações entre variáveis categóricas antes da modelação.

Aula 3 • Estatísticas Sumárias Univariadas

Aborda summarize, tabulate e codebook para descrição de variável única. Estes comandos constituem o primeiro passo analítico para qualquer novo conjunto de dados.

Aula 4 • Análise por Grupo

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

Aula 1 • Ciclos com foreach e forvalues

Demonstra foreach sobre listas de variáveis e listas de cadeias de caracteres, e forvalues sobre intervalos numéricos. Os ciclos reduzem a repetição de código entre variáveis, grupos ou conjuntos de dados.

Aula 2 • Lógica Condicional com if e while

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

Aula 3 • Escrita e Execução de Ficheiros Do

Aborda o editor de ficheiros do, os comandos run vs. do e a organização de scripts. Os ficheiros do são a base da investigação reproduzível no Stata.

Aula 4 • Ficheiros de Registo e Gestão de Saída

Ensina log using, log close e translate para capturar e converter saída. Os registos criam um registo auditável de cada sessão analítica.

Aula 1 • Diagnóstico de Regressão

Aborda testes de heterocedasticidade, multicolinearidade e observações influentes. Os diagnósticos validam os pressupostos OLS e orientam as correções do modelo.

Aula 2 • Comandos Pós-Estimação

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

Aula 3 • Regressão OLS Simples e Múltipla

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

Aula 4 • Preditores Categóricos e Interações

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

Aula 1 • Modelos de Resultado Binário

Aborda a estimação logit e probit, efeitos marginais e ajuste do modelo. Os modelos binários são necessários quando o resultado é uma variável indicadora zero-um.

Aula 2 • Modelos Ordenados e Multinomiais

Ensina ologit, oprobit e mlogit para resultados ordinais e nominais. Estes modelos tratam resultados com mais de duas categorias não ordenadas ou ordenadas.

Aula 3 • Análise de Sobrevivência e Duração

Apresenta stset, sts graph e streg para dados de tempo até ao evento. Os modelos de sobrevivência consideram a censura que a regressão padrão ignora.

Aula 4 • Modelos de Dados de Contagem

Demonstra poisson, nbreg e variantes com inflação de zeros para resultados de contagem. Os modelos de contagem respeitam a natureza de inteiro não negativo dos dados de contagem.

Aula 1 • Declaração de Dados de Painel e Séries Temporais

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

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

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

Aula 3 • Modelos de Painel Dinâmicos

Demonstra xtabond2 e xtdpd para estimação GMM de Arellano-Bond. Os modelos dinâmicos incluem resultados desfasados e abordam a endogeneidade em painéis.

Aula 4 • Vetor Autorregressão e Cointegração

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