PROFESSOR: Rafael Goldszmidt

PRÉ-REQUISITOS: Conhecimento de fundamentos de análise de regressão múltipla.

 

1. Descrição do curso

Este curso aborda modelos multinível (ou modelos lineares hierárquicos) e suas aplicações em Administração e campos correlatos.

Os objetivos do curso incluem:

• Discutir a aplicabilidade de modelos multinível e o tipo de questões de pesquisa que podem ser analisadas por este tipo de técnica.
• Capacitar os alunos para estimar modelos multinível utilizando o software Stata e interpretar os resultados obtidos.
• Desenvolver habilidades de apresentação de resultados em um formato adequado para publicação em periódicos acadêmicos.

 

2. Metodologia

O curso incluirá aulas expositivas sobre estimação de modelos multinível e interpretação dos resultados. Artigos acadêmicos serão discutidos em sala para ilustrar o uso destes modelos em diferentes áreas da Administraçao. Exercícios serão resolvidos em sala e fora de sala de aula com uso de software.

 

3. Programação de aulas

Datas	Tópico	Leituras
25/5	Análise de regressão simples e múltipla: estimação e inferência. Premissas do modelos de regressão linear. O problema de endogeneidade. Interações entre variáveis independentes.	Warner (2013, chap. 9 to 12 and 15.1 to 15.19). Rabe-Hesketh and Skrondal (2008, chap  1).
1/6	Fundamentos de modelos multinível. O problema da dependência entre observações. O modelo hierárquico de 2 níveis. Componentes de variância e efeitos fixos. Correlação intra-classe. Agregação de variáveis.	Raudenbush and Bryk (2002, chap 1, 2, 4 and 5), Rabe-Hesketh and Skrondal (2008, chap. 2, 3 and 4). Li and Liao (2014).
8/6	Modelagem do tempo em modelos multinível. Modelo hierárquico de 3 níveis.	Raudenbush and Bryk (2002, chap 8 and chap.12). Singer and Willet (2003, chap. 1-4). Short et al (2006).
22/6	Modelos com classificação cruzada. Predição de efeitos individuais.	Raudenbush and Bryk (2002, chap 12). Rabe-Hesketh and Skrondal (2008, 10.1 to 10.5 and chapter 11), Goldszmidt, Brito and Vasconcelos (2011).

 

4. Avaliação

A avaliação será baseada na participação em sala (30%) e em trabalhos (exercícios e estudo de caso), que responderão pelos outros 70%.

 

5. Leituras

Livros-texto

Rabe-Hesketh, Sophia, and Anders Skrondal. Multilevel and longitudinal modeling using Stata. STATA press, 2008.

Raudenbush, Stephen W., and Anthony S. Bryk. Hierarchical linear models: Applications and data analysis methods. Vol. 1. Sage, 2002.

Singer, Judith D., and John B. Willett. Applied longitudinal data analysis: Modeling change and event occurrence. Oxford university press, 2003.

Papers

Goldszmidt, Rafael G. Burstein, Luiz Artur Ledur Brito, and Flávio Carvalho de Vasconcelos. "Country effect on firm performance: A multilevel approach." Journal of Business Research 64.3 (2011): 273-279.

Li, Alex Ning, and Hui Liao. "How do leader–member exchange quality and differentiation affect performance in teams? An integrated multilevel dual process model." Journal of Applied Psychology 99.5 (2014): 847.

Short, Jeremy C., et al. "An examination of firm, industry, and time effects on performance using random coefficients modeling." Organizational Research Methods 9.3 (2006): 259-284.

Woehr, David J., et al. "Justifying aggregation with consensus-based constructs: A review and examination of cutoff values for common aggregation indices." Organizational Research Methods 18.4 (2015): 704-737.

 

6. Mini-CV

Rafael Goldszmidt é professor assistente da FGV-EBAPE, lecionando nos cursos de mestrado, doutorado e graduação. Seus artigos tem sido publicados em journals como Journal of Business Research, International Business Review e Revista de Administração de Empresas – RAE. Seus interesses de pesquisa incluem modelos estatísticos aplicados às ciências sociais, modelos experimentais, avaliação de impacto de políticas públicas e desenho comportamental de políticas publicas. Tem trabalhado, ao longo dos últimos 10 anos, em projetos de modelagem estatística para empresas privadas como Itau e Editora Abril, assim como em projetos financiados por organizações como FAO, IICA e Banco Mundial.