Encontro Anual · Sessão de Métodos

Artigo em andamento

Explicar ou prever? Um exemplo do estilo acadêmico

Plenário Slides · componentes para apresentações de paper

Felipe Lamarca

IESP-UERJ

Coautora Exemplo

Universidade Exemplo

30 de setembro de 2026

A pergunta

Modelos explicativos e preditivos respondem a perguntas diferentes (Shmueli, 2010).

  • Explicar: testar uma teoria causal com dados observados.
  • Prever: acertar casos novos, fora da amostra de treino.
  • Aqui, o critério é o erro fora da amostra (Mullainathan; Spiess, 2017).

O protocolo de validação importa mais do que o algoritmo escolhido.

Exemplo de citação em destaque

02Resultados

Erro fora da amostra

Valores ilustrativos, em pontos percentuais.
Modelo MAE RMSE R²
Média do treino 5,40 7,10 0,00
Benchmark ingênuo 4,58 6,21 0,24
Modelo 1 3,75 4,93 0,52
Modelo 2 3,40 4,51 0,58

Em números

40 municípios com o vencedor certo

0,73 correlação média de postos

78,5% previsões a menos de 5 p.p.

Um bloco claro resume a mensagem principal do slide.

Um gráfico interativo

Diagrama

flowchart LR
  A[Dados abertos] --> B[Divisão treino/teste]
  B --> C[Benchmarks]
  C --> D[Modelos]
  D --> E[Erro fora da amostra]
  class E destaque
  class A,B apoio

Slide escuro

Um slide escuro para uma frase de efeito, com código e link.

Referências

MULLAINATHAN, Sendhil; SPIESS, Jann. Machine Learning: An Applied Econometric Approach. Journal of Economic Perspectives, [s. l.], v. 31, n. 2, p. 87–106, 2017. DOI 10.1257/jep.31.2.87.
SHMUELI, Galit. To Explain or to Predict? Statistical Science, [s. l.], v. 25, n. 3, p. 289–310, 2010. DOI 10.1214/10-STS330.

Obrigado!

Felipe Lamarca

IESP-UERJ

felipelamarca.com