Economía Aplicada. ¾Es importante el tamaño de la clase? Un experimento controlado
|
|
- Celia Gómez Correa
- hace 7 años
- Vistas:
Transcripción
1 Economía Aplicada ¾Es importante el tamaño de la clase? Un experimento controlado Basado en (1999), Experimental Estimates of Education Production Functions, QJE
2 Outline 1 La Idea 2 Proyecto STAR Detalles Asignación Aleatoria Análisis 3 Conclusión
3 La Idea Motivación ¾Cómo debería gastarse el dinero en las escuelas? ¾Debería utilizarse para reducir el tamaño de las clases? ¾Para comprar ordenadores? ¾Para pagar más a los maestros? Para responder a estas preguntas deberíamos conocer costos y benecios de las diferentes opciones. Calcular los costos generalmente es sencillo, pero estimar los efectos de las distintas opciones en los resultados educativos es más complicado. El trabajo que discutimos hoy, Krueger (1999) publicado en The Quarterly Journal of Economics, usa datos experimentales para investigar el efecto del tamaño de la clase en los logros educativos de los estudiantes. 1 / 14
4 La Idea ¾Es razonable comparar simplemente el promedio de los resultados de los alumnos en clases pequeñas con el promedio de los alumnos de clases grandes? ¾Son los estudiantes en los distintos tipos de clases, similares? Quizás las clases grandes se encuentran principalmente en escuelas localizadas en áreas pobres (efecto de la pobreza en los resultados educativos) Quizás los maestros preeran enseñar en clases pequeñas, y entonces las clases pequeñas tendrán en promedio mejores maestros (efecto de mejores maestros en resultados educativos) Quizás los padres más involucrados en la educación de sus hijos intenten que éstos vayan a clases pequeñas (efecto del interés de los padres en los resultados educativos) Pero si se lleva a cabo un experimento en el cual los niños son asignados aleatoriamente a clases de distintos tamaños, podríamos intentar superar esas cuestiones. 2 / 14
5 Detalles Proyecto STAR 1/2 En 1985, el estado de Tennessee en EEUU comenzó un proyecto de 12 millones de dólares y cuatro años de duración, llamado Proyecto STAR (Student/Teacher Achievement Ratio). Los niños en preescolar y hasta tercer grado en 80 escuelas en Tennessee fueron asignados aleatoriamente a clases de tres tamaños diferentes: Regular (22-25 estudiantes), Pequeñas (13-17 estudiantes por maestro) y Regular con Ayudante (de tamaño regular, pero con un maestro adicional). El experimento involucró alrededor de 6400 estudiantes el primer año, con un total de 11,600 estudiantes en 80 escuelas participando en el programa a lo largo de cuatro años. 3 / 14
6 Detalles Proyecto STAR 2/2 Cada escuela debía tener al menos una clase de cada tipo. Los maestros eran asignados aleatoriamente a uno de los tres tipos de clases. Cada año se les tomaba a los estudiantes un examen estandarizado (SAT) Este proyecto fue analizado en varios artículos académicos y también en las noticias: Krueger (1999), The Quarterly Journal of Economics; Krueger and Whitmore (2001); The Economic Journal, Dee (2004, The Review of Economics and Statistics También nadaesgratis o Chetty 4 / 14
7 Asignación Aleatoria Asignación Aleatoria ¾Fue exitoso el experimento en la asignación aleatoria de los estudiantes en las distintas clases? Para evalularlo Krueger comparó una serie de características de los estudiantes para los disitintos grupos. Comparó los valores medios para la variable de almuerzo gratuito (una medida para aproximar al ingreso familiar), raza y sexo de los estudiantes. Los resultados indican que la asignación aleatoria funcionó como se pretendía. 5 / 14
8 Asignación Aleatoria Los p-valores son para el estadístico F de igualdad de medias entre los tres grupos. 6 / 14
9 Análisis La Regresión Básica 1/2 Dado que existen tres grupos en el estudio, la versión de regresión del estimador en diferencias necesita ser modicada. Necesitamos introducir dos variables articiales, una para cada grupo de tratamiento: Pequeño y Regular con Ayudante. La ecuación básica es: tscore i = β 0 + β 1 sc i + β 2 ra i + ε i donde tscore i es el resultado en el examen del estudiante i, sc i es una variable articial que toma el valor 1 si el estudiante fue asignado a una clase pequeña, ra i es una variable articial que toma el valor 1 si el estudiante fue asignado a una clase regular con ayudante. 7 / 14
10 Análisis La Regresión Básica 2/2 La ecuación básica es: tscore i = β 0 + β 1 sc i + β 2 ra i + ε i El efecto de una clase pequeña con respecto a una regular es β 1 y el efecto de una clase regular con ayudante con respecto a una regular es β 2 Usando el archivo star_kinder.gdt estime el efecto de cada tipo de clase en los resultados de los exámenes. Analizar los resultados 8 / 14
11 Análisis Regresores Adicionales Puede tener sentido agregar regresores adicionales a la ecuación básica. Aún si el tratamiento es aleatorio, incluir regresores adicionales puede generar estimaciones más precisas del efecto causal de interés. Si el tratamiento es en realidad no aleatorio por ejemplo por fallas en la implementación, entonces las estimaciones probablemente serán diferentes con o sin regresores adicionales. Usando el archivo star_kinder.gdt estime el efecto (para preescolares) de cada tipo de clase usando regresores adicionales. Analice los resultados. 9 / 14
12 Análisis Resultados obtenidos en el artículo. La sección de la derecha utiliza el tamaño de clase inicial en lugar del tamaño actual de la clase (intenta controlar por posibles cambios de estudiantes entre clases). 10 / 14
13 Análisis Resultados con Regresores Adicionales Resultados de la regresión ampliada son similares a las de la regresión simple: no cambia la conclusión sobre el efecto de los tratamientos. La interpretación de los otros coecientes en la regresión no es obvia. Por ejemplo, no podemos armar que a los niños les va peor que a las niñas. Estas características individuales no son aleatoriamente asignadas: estos regresores adicionales pueden estar correlacionados con el término de error. Si el tratamiento es asignado aleatoriamente, entonces el estimador de su coeciente es consistente. Pero si regresores adicionales están correlacionados con el error, los estimadores de sus coecientes sufrirán de sesgo de variable omitida (serán inconsistentes). 11 / 14
14 Análisis ¾Efecto Grande o Pequeño? Encontramos que pertenecer a una clase pequeña en educación preescolar incrementa los resultados de los exámenes en aproximadamente 14 puntos. No es del todo claro como interpretar este resultado, veamos dos maneras diferentes. Primero, en relación al desvío estándar del resultado promedio (73.7), el efecto de pertenecer a una clase pequeña es alrededor de un quinto del desvío estándar de los resultados del examen. Alternativamente, podemos comparar los efectos del tamaño de la clase estimados con los efectos estimados de otras variables. Por ejemplo, contar con un maestro con 12 años de experiencia se espera que en promedio incremente en 13 puntos el resultado del examen. Entonces, el efecto estimado de pertenecer a una clase pequeña es similar al efecto de contar con un maestro de 12 años de experiencia. 12 / 14
15 Análisis ¾Efecto Grande o Pequeño? Con ambas medidas, las magnitudes son considerables. Con un cálculo aproximado y bajo muchos supuestos, Krueger estima que el costo de pasar a todo el estado a clases preescolares pequeñas sería de $7400 por estudiante, mientras que el incremento en las ganancias serían de $9600 para los hombres y $7850 para las mujeres. 13 / 14
16 Conclusión Conclusión Con un experimento controlado se pudo identicar el efecto causal del tratamiento de manera muy simple. Formar clases pequeñas mejora los resultados educativos de los estudiantes de manera signicativa e importante. Agregar un maestro ayudante no lleva ninguna mejora en términos de resultados. 14 / 14
Economía Aplicada. Causalidad y Experimentos Sociales. Departmento de Economía Universidad Carlos III de Madrid
Economía Aplicada Causalidad y Experimentos Sociales Departmento de Economía Universidad Carlos III de Madrid Outline 1 Resultados Potenciales y Causalidad 2 Efectos del tratamiento 3 El Estimador de Diferencias
Más detallesEconomía Aplicada. Datos de panel. Ver Wooldridge cap. 13 y Stock y Watson cap. 10. Departamento de Economía Universidad Carlos III de Madrid 1 / 26
Economía Aplicada Datos de panel Departamento de Economía Universidad Carlos III de Madrid Ver Wooldridge cap. 13 y Stock y Watson cap. 10 1 / 26 Datos de Panel vs Secciones Cruzadas Repetidas En el curso
Más detallesTruncamiento y Selección
y Selección Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 4 Tobit vs. Tobit: inversión en equipo q = x i i β + ε i
Más detallesInferencia causal. Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de 2013
Inferencia causal Francisco Gallego PUC Chile y J-PAL Santiago, 9 de abril de 23 Mapa I. Motivación II. Evaluación de Impacto y Contrafactual III. Análisis causal IV. Análisis causal y Efectos Tratamiento
Más detallesEconomía Aplicada. Cuasi experimentos: Variables Instrumentales y Regresión con Discontinuidad
Economía Aplicada Cuasi experimentos: Variables Instrumentales y Regresión con Discontinuidad Departamento de Economía Universidad Carlos III de Madrid Evaluación de política con cuasi experimentos En
Más detallesEconomía Aplicada. Secciones Cruzadas Repetidas o Datos Fusionados. Basado en Wooldridge cap.13
Economía Aplicada Secciones Cruzadas Repetidas o Datos Fusionados Departamento de Economía Universidad Carlos III de Madrid Basado en Wooldridge cap.13 1 / 13 Dos Ejemplos de Secciones Cruzadas Repetidas
Más detallesValoración de estudios basados en el Análisis de Regresión Múltiple (SW Cap. 7)
Valoración de estudios basados en el Análisis de Regresión Múltiple (SW Cap. 7) El Análisis de Regresión múltiple tiene las siguientes ventajas: Brinda una estimación del efecto que sobre Y tiene un cambio
Más detallesECONOMIA APLICADA. Crecimiento y Convergencia 1. 1 Basado en Acemoglu (2008) y Barro y Sala-i-Martin (2004)
ECONOMIA APLICADA Crecimiento y Convergencia 1 1 Basado en Acemoglu (2008) y Barro y Sala-i-Martin (2004) Outline 1 Algunos hechos Diferencias entre países Crecimiento y otras variables 2 Modelo de Solow
Más detallesEstadística para la Economía y la Gestión IN 3401 Clase 5
Estadística para la Economía y la Gestión IN 3401 Clase 5 21 de octubre de 2009 1 Variables Dummies o cualitativas 2 Omisión de Variables Relevantes Impacto sobre el Insesgamiento Impacto sobre la Varianza
Más detallesI Inferencia Causal. Lima, 2009
Sesión Técnica I Inferencia Causal Lima, 2009 Departamento de Desarrollo Humano Fondo Español para Evaluación de Impacto Justificación Las preguntas de investigación que motivan la mayoría de los estudios
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesClase de Métodos 1: Inferencia Causal y Métodos Cuasi-Experimentales. Sveta Milusheva DIME, World Bank
Clase de Métodos 1: Inferencia Causal y Métodos Cuasi-Experimentales Sveta Milusheva DIME, World Bank Conceptos Importantes Indicadores de Resultados (Outcomes): Lo que observamos, medimos y queremos afectar
Más detallesExamen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.
Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una
Más detallesPrincipales diseños de investigación
Principales diseños de investigación Estudios Experimentales Estudios Observacionales El investigador posee la facultad de asignar la intervención El investigador no asigna la intervención Investigación
Más detallesPROBLEMA 1: Nivel nutricional de los menores de 6 años
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2012/13 SOLUCIONES EXAMEN FINAL (Convocatoria Ordinaria) 10 de Enero de 2013 PROBLEMA 1: Nivel nutricional de los menores de 6 años 1. Los nutricionistas
Más detallesEconomía Aplicada. Variables Instrumentales. Basado en Stock y Watson (cap.12), Wooldridge (cap. 15) y Angrist y Pischke (cap. 4)
Economía Aplicada Variables Instrumentales Departamento de Economía Universidad Carlos III de Madrid Basado en Stock y Watson (cap.12), Wooldridge (cap. 15) y Angrist y Pischke (cap. 4) Modelos de Regresión
Más detallesEstimación del modelo lineal con dos variables
Estimación del modelo lineal con dos variables el método de mínimos cuadrados ordinarios (MCO) Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni Estimación del modelo lineal por MCO 1
Más detallesDiscontinuidad (RD) Christel Vermeersch. Noviembre 2006
Sesión III Diseño de Regresiones en Discontinuidad (RD) Christel Vermeersch Noviembre 2006 Recordatorio del objetivo principal de la Evaluación. Estimar el efecto del tratamiento de una intervención T
Más detallesUNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C)
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C) DURACION: 2 HORAS Y 15 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos
Más detallesI Inferencia Causal. Claudio Ferraz Managua, 3 Marzo 2008
Sesión Técnica I Inferencia Causal Claudio Ferraz Managua, 3 Marzo 2008 Justificación Las preguntas de investigación que motivan la mayoría de los estudios en las ciencias de la salud son de naturaleza
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesUNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2007
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria ordinaria) 30 de Enero de 2007 TIEMPO: 2 HORAS 30 MINUTOS Instrucciones: ANTES DE EMPEZAR A RESPONDER EL EXAMEN:
Más detallesAGRO Examen Final
AGRO 6600 Examen Final 2010 Nombre: Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesUNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A)
TIEMPO: 2 HORAS Instrucciones: UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de Econometria
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
ESCUELA SUPERIOR POLITECNICA DEL LITORAL PRIMER TÉRMINO 2017 ECONOMETRÍA II EXAMEN FINAL Profesor: Gonzalo E. Sánchez Yo,, al firmar este compromiso, reconozco que el presente examen está diseñado para
Más detallesEXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media
EXAMEN FINAL DE ECONOMETRÍA SOLUCIONES Conteste cada pregunta en un cuadernillo diferente en dos horas y media 1. Sean (Y; X; W ) tres variables aleatorias relacionadas por el siguiente modelo de regresión
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesEstadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data
Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión
Más detallesEXAMEN DE ECONOMETRÍA
EXAMEN DE ECONOMETRÍA UNIVERSIDAD CARLOS III DE MADRID CURSO 2015-1 Responda todas las preguntas en 2 horas y media. Valores críticos al final del examen. 1 A partir de una muestra aleatoria de compra-venta
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesRegresión Simple. Leticia Gracia Medrano. 2 de agosto del 2012
Regresión Simple Leticia Gracia Medrano. lety@sigma.iimas.unam.mx 2 de agosto del 2012 La ecuación de la recta Ecuación General de la recta Ax + By + C = 0 Cuando se conoce la ordenada al origen y su pendiente
Más detallesSesión IV: Variables Instrumentales Variables Instrumentales
Sesión n Técnica T IV: Variables Instrumentales Lima, 2009 Departamento de Desarrollo Humano Fondo Español para Evaluación de Impacto Ejemplo para ilustrar Queremos evaluar un programa de capacitación
Más detallesEstadística para la Economía y la Gestión IN 3401 Clase 5
Estadística para la Economía y la Gestión IN 3401 Clase 5 Problemas con los Datos 9 de junio de 2010 1 Multicolinealidad Multicolinealidad Exacta y Multicolinealidad Aproximada Detección de Multicolinealidad
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesLAB 13 - Análisis de Covarianza - CLAVE
LAB 13 - Análisis de Covarianza - CLAVE Se realizó un experimento para estudiar la eficacia de un promotor de crecimiento en terneros en lactación. Se usaron cuatro dosis de la droga (0, 2.5, 5 y 7.5 mg).
Más detallesSoluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015
Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015 Conteste todas las preguntas en dos horas y media. Pregunta 1 (33 puntos: Un investigador está considerando las
Más detallesCómo construir un grupo de comparación adecuado para medir resultados:
TALLER DE EVALUACIÓN DE IMPACTO Cómo construir un grupo de comparación adecuado para medir resultados: Buenos y malos contrafactuales Andrés Ham Universidad de Illinois Urbana-Champaign 4 de Abril de 2017
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Clase 3 Por qué aleatorizar? D i e g o A y c i n e n a d i e g o a a @ u f m. e d u Centro Vernon Smith de Economía Experimental Universidad Francisco Marroquín 2 Clases (Profesores)
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesEXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016
EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 Responda a las 4 preguntas en dos horas y media. 1. Se está llevando a cabo una investigación econométrica sobre los precios
Más detallesInferencia Causal: Amenazas al diseño experimental y análisis de datos. Juan Saavedra RAND Coorporation
Inferencia Causal: Amenazas al diseño experimental y análisis de datos Juan Saavedra RAND Coorporation Contexto del Curso 1. Introducción a las Evaluaciones de Impacto 2. Teoría de Cambio e Indicadores
Más detallesEJEMPLO EMPIRICO SOBRE ESTIMACION DE SISTEMAS DE ECUACIONES UTILIZANDO EL SOFTWARE LIBRE GRETL
EJEMPLO EMPIRICO SOBRE ESTIMACION DE SISTEMAS DE ECUACIONES UTILIZANDO EL SOFTWARE LIBRE GRETL INFLACION Y GRADO DE APERTURA. Ejemplo de estimación por MC2E con Gretl. Marta Regúlez (UPV-EHU) Fichero de
Más detallesEconomía Experimental: Un campo relativamente joven en la investigación económica del Ecuador.
Donald Javier Zhangallimbay Zhangallimbay Ingeniero comercial ESPOL Asistente del Centro de Investigaciones Económicas (CIEC) de la FCSH djzhanga@espol.edu.ec Economía Experimental: Un campo relativamente
Más detallesExperimentos, metodología para analizar el comportamiento del consumidor. José Ignacio Azuela
Experimentos, metodología para analizar el comportamiento del consumidor José Ignacio Azuela Preliminares Los diseños experimentales son una metodología idónea para analizar el comportamiento del consumidor.
Más detallesECONOMETRIA. Tema 5: ERRORES DE ESPECIFICACIÓN. César Alonso UC3M. César Alonso (UC3M) ECONOMETRIA. Tema 5 1 / 35
ECONOMETRIA Tema 5: ERRORES DE ESPECIFICACIÓN César Alonso UC3M César Alonso (UC3M) ECONOMETRIA. Tema 5 1 / 35 Introducción Hemos visto que el estimador MCO tiene buenas propiedades bajo los supuestos
Más detallesTEMA 4 Regresión logística
TEMA 4 Regresión logística José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Variable respuesta dicotómica. Ejemplo. El
Más detallesMotivación. Motivación ESTIMACION DE LA DEMANDA
4 ESTIMACION DE LA DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para estimar la función de demanda a partir de
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesAGRO Examen Final. Nombre:
Examen Final Nombre: AGRO 5005 20 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar
Más detallesUniversidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007
Tipo de examen: 1 Universidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007 TIEMPO: 2 HORAS Y 30 MINUTOS Instrucciones: ANTES DE EMPEZAR
Más detallesECONOMIA APLICADA. Introducción: Datos Económicos
ECONOMIA APLICADA Introducción: Datos Económicos Introducción ¾De qué trata la Economía Aplicada? En general Queremos relacionar los instrumentos de toma de decisiones económicas con los resultados de
Más detallesUNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B)
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B) TIEMPO: 125 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de
Más detallesPyE_ EF2_TIPO1_
SEMESTE - TIPO DUACIÓN MÁ..5 HOAS MIÉCOLES 9 DE JUNIO DE NOMBE. De todas las fallas de un tipo especifico de unidad de disco duro de computadora, se determina que % de éstos tiene dañado sólo el sector
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 4: MEDIAS Y PROPORCIONES CON DOS POBLACIONES
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 4: MEDIAS Y PROPORCIONES CON DOS POBLACIONES Técnicas para comparar dos poblaciones 1 Técnicas para comparar dos poblaciones Técnicas para comparar dos poblaciones
Más detallesIdeas básicas del diseño experimental
Ideas básicas del diseño experimental Capítulo 4 de Analysis of Messy Data. Milliken y Johnson (1992) Diseño de experimentos p. 1/23 Ideas básicas del diseño experimental Antes de llevar a cabo un experimento,
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 28 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM marzo 2018 Ideas básicas del diseño experimental Capítulo 4 de Analysis
Más detallesDatos bivariantes: regresión
M. Wiper Estadística 1 / 14 Datos bivariantes: regresión Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 14 Objetivo Ilustrar como ajustar una recta
Más detallesEstadística Inferencial. Sesión 11. Regresión y correlación múltiple
Estadística Inferencial Sesión 11. Regresión y correlación múltiple Contextualización En la sesión anterior se presentó la regresión lineal simple y se mostró su uso en la obtención de una ecuación de
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesCapítulo 6 Multicolinealidad Luis Quintana Romero. Econometría Aplicada Utilizando R
Capítulo 6 Multicolinealidad Luis Quintana Romero Objetivo Identificar la multicolinealidad en un modelo econométrico, así como las pruebas de detección de la multicolinealidad y correcciones. Introducción
Más detallesHoja de Ejercicios 4 Variables Instrumentales y MC2E. Modelos de ecuaciones simultáneas
Hoja de Ejercicios 4 Variables Instrumentales y MC2E. Modelos de ecuaciones simultáneas ECONOMETRÍA I. UC3M 1. [W 15.1] Considere un modelo simple para estimar el efecto de disponer de un ordenador personal
Más detallesHoja de Ejercicios 4 Análisis de regresión con información cualitativa
Hoja de Ejercicios 4 Análisis de regresión con información cualitativa Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesGUIA DOCENTE ESTADÍSTICA II
GUIA DOCENTE 2016-17 ESTADÍSTICA II Mayo 2016 DATOS GENERALES Nombre del curso: Código: ESTADÍSTICA II 801101, ADE 801916, MKCD Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
Más detallesDiscontinuidad (RD) Claudio Ferraz Managua, 4 Marzo Latin America and the Caribbean Region. Human Development Network
Sesión Técnica V Diseño de Regresiones en Discontinuidad (RD) Claudio Ferraz Managua, 4 Marzo 2008 Human Development Network Latin America and the Caribbean Region Spanish Impact Evaluation Trust fund
Más detallesModelo lineal general (K variables)
Modelo lineal general (K variables) Interpretación y usos Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni Modelo lineal general 1 / 45 Temario de la clase 1 El modelo lineal general
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Septiembre 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Septiembre 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe
Más detallesMedicina basada en la evidencia Resultados
Resultados Carlos Ochoa Sangrador 14/02/2013 1 Tratamiento 30 70 Reducción absoluta del riesgo RAR = 0,60-0,30 = 0,30 Reducción relativa del riesgo 0,6-0,3 RRR = = 0,50 0,6 Muestra 60 40 Población Control
Más detallesTEMA 3: PROPIEDADES DEL ESTIMADOR MCO
TEMA 3: PROPIEDADES DEL ESTIMADOR MCO S. Álvarez, A. Beyaert, M. Camacho, M. González, A. Quesada Departamento de Métodos Cuantitativos para la Economía y la Empresa Econometría (3º GADE) Lo que estudiaremos
Más detallesVariables indicadoras
Universidad Nacional Agraria La Molina 2011-2 Algunas veces se hace necesario el uso de variables cualitativas en el análisis de regresión. Por ejemplo: Turno, Situación laboral, Género, etc. Se debe asignar
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 11 Estimadores puntuales y de intervalo Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de los estimadores puntuales y de intervalo.
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detalles2. Modelos con regresores endógenos
. Introducción ema 3. Regresores Endógenos. Bibliografía: Wooldridge, 5., 5.4 y 6.2 En este tema vamos a estudiar el modelo lineal con regresores potencialmente endógenos. Veremos primero las consecuencias
Más detallesEl Modelo de Regresión Lineal
ECONOMETRÍA I El Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Regresión Lineal Simple 2. Regresión Lineal Múltiple 3. Multicolinealidad 4. Heterocedasticidad 5. Autocorrelación 6. Variables
Más detallesEconomía Aplicada. Datos de Panel. Departmento de Economía Universidad Carlos III de Madrid
Economía Aplicada Datos de Panel Departmento de Economía Universidad Carlos III de Madrid Ver Wooldridge (capítulo 13), y Stock and Watson (capítulo 10) 1 / 38 Datos de Panel vs Secciones Cruzadas Repetidas
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesHoja de Ejercicios 3 El modelo de regresión lineal múltiple
Hoja de Ejercicios 3 El modelo de regresión lineal múltiple Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería comprobar
Más detallesInferencia Causal. Sebastian Galiani. Noviembre 2006
Sesión I Inferencia Causal Sebastian Galiani Noviembre 2006 Justificación Las preguntas de investigación que motivan la mayoría de los estudios en las ciencias de la salud son de naturaleza causal. Por
Más detallesEl Modelo de Selección de Heckman en gretl
El Modelo de Selección de Heckman en gretl Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción: El modelo de Heckman 1 Introducción: El modelo
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
ESCUELA SUPERIOR POLITECNICA DEL LITORAL PRIMER TÉRMINO 2017 ECONOMETRÍA II EXAMEN DE MEJORAMIENTO Profesor: Gonzalo E. Sánchez Yo,, al firmar este compromiso, reconozco que el presente examen está diseñado
Más detallesEstimación del Probit Ordinal y del Logit Multinomial
Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El
Más detallesMetodología cuantitativa IV
Departamento de Ciencias Políticas y Sociales Grado en Ciencias Políticas y de la Administración Universitat Pompeu Fabra Metodología cuantitativa IV Clase 3: Regresión lineal múltiple Bruno Arpino (Despacho:
Más detallesRegresión ponderada y falta de ajuste
Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesDISEÑOS EPIDEMIOLOGICOS MONICA LUNA MG. EPIDEMIOLOGIA
DISEÑOS EPIDEMIOLOGICOS MONICA LUNA MG. EPIDEMIOLOGIA DISEÑOS EPIDEMIOÓGICOS Estudios Observacionales Descriptivos Analíticos Estudios Experimentales Ensayos Clínicos controlados ESTUDIOS DE CASOS Y CONTROLES
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesEconometria I. Tema 4: Problemas de Especi cación y los Datos. Universidad Carlos III. Getafe, Madrid. Octubre-November 2008
Econometria I Tema 4: Problemas de Especi cación y los Datos Universidad Carlos III Getafe, Madrid Octubre-November 2008 Julio Cáceres Delpiano (UC3M) Econometria I 10/08 1 / 30 Outline Mala especi cación
Más detallesESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Más detallesUniversidad Carlos III de Madrid. Economía Aplicada. Mayo 2017 Duración del Examen: 2 horas
Universidad Carlos III de Madrid Economía Aplicada Mayo 2017 Duración del Examen: 2 horas Tipo: 1 NID Nombre Grupo NO SEPARE LAS HOJAS DEL EXAMEN. NO ABRA EL EXAMEN ANTES DE QUE SE LE INDIQUE QUE LO PUEDE
Más detallesAGRO 5005 Examen Final 2005 Nombre: Número de estudiante:
AGRO 5005 Examen Final 2005 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Se proveen las tablas y las
Más detallesInferencia estadística. Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan
Inferencia estadística Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan ESTADISTICA INFERENCIAL Permite obtener información de la población a través de una muestra Generalización de resultados
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Sesión 6 Amenazas y análisis Sebastián Galiani galiani@econ.umd.edu University of Maryland & J-PAL 2 Clases (Profesores) Agenda Actividades en Grupo (Todos) Trabajo en Grupo
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detalles