Econometría I. Rómulo A. Chumacero * Primer Semestre del Descripción del Curso

Transcripción

1 Econometría I Rómulo A. Chumacero * Primer Semestre del 2009 Descripción del Curso Este curso está destinado a los alumnos de primer semestre del Programa de Postgrado en Economía y pretende brindar bases teóricas y prácticas sólidas para la aplicación de las técnicas econométricas más utilizadas en economía. Para sacar provecho del material impartido en clases se requerirá del uso de paquetes econométricos y de programación (E-Views y GAUSS o similares). Prerequisitos Los asistentes deben estar familiarizados con cálculo diferencial e integral, álgebra matricial, además de probabilidades, teoría de distribución, inferencia estadística, estimación e inferencia en Mínimos Cuadrados Ordinarios al nivel de cualquier libro introductorio de Econometría. Aquellas personas que no estén familiarizadas con algún tópico deben ponerse al día. Notas La nota final estará ponderada de la siguiente manera: Tareas 20 % (Una cada 2 semanas aproximadamente) Controles 20 % (Uno cada 2 semanas aproximadamente) ExamenParcial 30% (Tópicos1a5delprograma) Examen Final 1 30% (Tópicos6a9delprograma) * Departamento de Economía de la Universidad de Chile y Gerencia de Investigación Económica del Banco Central rchumace@econ.uchile.cl. 1 Una persona recibirá nota 0 en este examen si no obtiene cuando menos el 50 % del puntaje alcanzado en el examen parcial. Por ejemplo, si el alumno obtuvo una nota de 70/100 en su examen parcial, una nota inferior a 35/100 en su examen final hará que su nota en el examen final sea 0/100. 1

2 Información Adicional En la página WEB del curso se encuentran apuntes, ejercicios y programas ( Toda consulta puede realizarse por o los lunes y jueves. Contenidos El curso consta de 9 tópicos. Las referencias incluyen lecturas marcadas con (*) que constituyen material de apoyo a las que se puede recurrir para aclarar conceptos básicos. Las lecturas marcadas con (**) son complementarias o avanzadas a las que se puede recurrir para profundizar conocimientos en el tópico. Las demás lecturas son obligatorias. 1. Modelo Clásico de Regresión Lineal (Revisión) El modelo y sus supuestos Predicción [1,1],[12],[23,6-7],[25,1]y[39,3-6]. (*) [2, 1-4], [16], [23, 1-4], [28, 1-3], [41, 1-3], [44], [46, 1-12] y [47, 1-5]. (**) [21], [24], [40, 6 y 9], [45, 1-4] y [48, 1-2]. 2. Métodos de Simulación Números pseudo-aleatorios Monte Carlo Bootstrap [5], [14, 21] y [39, Apéndice]. (*) [23, 5] y [28, 11]. (**) [18], [26], [30], [42] y [49, 1-2]. 2

3 3. Forma Funcional (Revisión) Variables ficticias No linealidades Errores de medida Omisión / inclusión de variables Multicolinealidad Especificación Criterios de selección [7], [15, 15], [23, 8-9] y [39, 18]. (*) [28, 2 y 4], [33], [41, 7] y [51, 3]. (**) [1, 2], [32], [34], [48, 3] y [54]. 4. Mínimos Cuadrados Generalizados (Revisión) Aspectos generales Heteroscedasticidad Autocorrelación [8], [23, 11-13], [39, y 19] y [46, 18-19]. (*) [2, 5 y 9], [28, 6], [29, 7], [41, 4] y [51, 4]. (**) [1, 5-6], [27, 7] y [48, 3]. 5. Mínimos Cuadrados No Lineales El modelo y sus supuestos Métodos numéricos [11], [39, 8] y [46, 14 y 16-17]. (*) [2, 8], [14, 10 y 16], [23, 10] y [28, 11]. (**) [20, 1-2] y [48, 4]. 3

4 6. Máxima Verosimilitud El modelo y sus supuestos Métodos numéricos [10], [39, 11-12] y [48, 4]. (*) [28, 5] y [51, 6]. (**) [3, 8] y [52, 4-5 y 8-11]. 7. Teoría Asintótica Modos de convergencia Leyes de grandes números Teoremas centrales del límite Consistencia y normalidad asintótica de OLS [1, 3], [4], [25, 2] y [39, 6]. (*)[14,4-5],[38,5],[46,13]y[47,15]. (**) [3, 1, 2, 6 y 7], [13], [17], [19], [36, 1-6], [43], [45, 6], [50] y [53]. 8. Estimadores Extremos Consistencia y normalidad asintótica Consistencia y normalidad asintótica de NLLS Consistencia y normalidad asintótica de MLE Tests asintóticos [1, 4], [6], [25, 7] y [39, 7-8]. (*) [46, 15 y 17] y [47, 16]. (**) [22, 5 y 7] y [36, 7]. 4

5 9. Modelos con Variable Dependiente Limitada Modelos de elección binaria Modelos de elección múltiple Modelos Tobit Modelos de selección muestral [9], [23, 21-22], [25, 8], [39, 20-21] y [46, 27-28]. (*) [2, 13], [28, 13], [41, 8], [47, 9] y [51, 7]. (**) [1, 9-10], [31], [35] y [37]. 5

6 Referencias [1] Amemiya, T. (1985). Advanced Econometrics. Harvard University [2] Baltagi, B. (1999). Econometrics. Springer-Verlag. [3] Bierens, H. (2004). Introduction to the Mathematical and Statistical Foundations of Econometrics. Cambridge University [4] Chumacero, R. (2006). Asymptotic Theory. Manuscrito. Universidad [5] Chumacero, R. (2006). Computer Simulation and Resampling Methods. Manuscrito. Universidad [6] Chumacero, R. (2006). Extremum Estimators. Manuscrito. Universidad [7] Chumacero, R. (2006). Functional Form: A Review. Manuscrito. Universidad [8] Chumacero, R. (2006). Generalized Least Squares: A Review. Manuscrito. Universidad [9] Chumacero, R. (2006). Limited Dependent Variables. Manuscrito. Universidad [10] Chumacero, R. (2006). Maximum Likelihood. Manuscrito. Universidad [11] Chumacero, R. (2006). Nonlinear Least Squares. Manuscrito. Universidad [12] Chumacero, R. (2006). Ordinary Least Squares: A Review. Manuscrito. Universidad [13] Davidson, J. (1994). Stochastic Limit Theory. Oxford University [14] Davidson, R. y J. MacKinnon. (1994). Estimation and Inference in Econometrics. Oxford University [15] Davidson, R. y J. MacKinnon. (2004). Econometric Theory and Methods. Oxford University 6

7 [16] Dhrymes, P. (2000). Mathematics for Econometrics. Springer-Verlag. [17] Dudley, R.(2002). Real Analysis and Probability. Cambridge University [18] Efron, B. y R. Tibshirani. (1998). An Introduction to the Bootstrap. Chapman & Hall. [19] Ferguson, T. (2002). A Course in Large Sample Theory. Chapman & Hall. [20] Gallant, R. (1987). Nonlinear Statistical Models. Wiley&Sons. [21] Gallant, R. (1997). An Introduction to Econometric Theory. Princeton University [22] Gallant, R. y H. White. (1988). AUnified Theory of Estimation and Inference for Nonlinear Dynamic Models. Blackwell. [23] Greene, W. (1999). Análisis Econométrico. Prentice Hall. [24] Harville, D. (1997). Matrix Algebra from a Statistician s Perspective. Springer. [25] Hayashi, F. (2000). Econometrics. Princeton University [26] Hendry, D. (1984). Monte Carlo Experimentation in Econometrics en Z. Griliches y M. Intriligator (eds.) Handbook of Econometrics II. North-Holland. [27] Huber, P. (1981). Robust Statistics. Wiley. [28] Johnston, J. y J. DiNardo (1997). Econometric Methods. McGraw-Hill. [29] Kmenta, J. (2000). Elements of Econometrics. The University of Michigan [30] Lam, J. y M. Veall (2002). Bootstrap Prediction Intervals for Single Period Regression Forecasts. International Journal of Forecasting 18, [31] Lancaster, T. (1992). The Econometric Analysis of Transition Data. Cambridge University 7

8 [32] Lau, L. (1983). Functional Forms in Econometric Model Building en D. Belsley, Z. Griliches, M. Intriligator y P. Schmidt (eds.) Handbook of Econometrics I. North-Holland. [33] Leamer, E. (1983a). Let s Take the Con Out of Econometrics. American Economic Review 73, [34] Leamer, E. (1983b). Model Choice and Specification Analysis en D. Belsley, Z. Griliches, M. Intriligator y P. Schmidt (eds.) Handbook of Econometrics I. North-Holland. [35] Lee, M. (1996). Methods of Moments and Semiparametric Econometrics for Limited Dependent Variable Models. Springer-Verlag. [36] Lehmann, E. (2001). Elements of Large-Sample Theory. Springer- Verlag. [37] Maddala, G. (1983). Limited Dependent and Qualitative Variables in Econometrics. Cambridge University [38] Mittelhammer, R. (1996). Mathematical Statistics for Economics and Business. Springer-Verlag. [39] Mittelhammer, R., G. Judge y D. Miller (2000). Econometric Foundations. Cambridge University [40] Peracchi, F. (2001). Econometrics. Wiley & Sons. [41] Pindyck, R. y D. Rubinfeld (1980). Modelos Econométricos. Labor Universitaria. [42] Politis, D. y J. Romano (1994). The Stationary Bootstrap. Journal of the American Statistical Association 89, [43] Pollard, D. (2002). A User s Guide to Measure Theoretic Probability. Cambridge University [44] Ramanathan, R. (1993). Statistical Methods in Econometrics. Academic [45] Rao, R. (1973). Linear Statistical Inference and its Applications. Wiley &Sons. [46] Ruud, P. (2000). An Introduction to Classical Econometric Theory. Oxford University 8

9 [47] Stock, J. y M. Watson (2003). Introduction to Econometrics. Addison- Wesley. [48] Thisted, R. (1988). Elements of Statistical Computing. Chapman & Hall. [49] Ullah, A. (2004). Finite Sample Econometrics. Cambridge University [50] van der Vaart, A. (1998). Asymptotic Statistics. Cambridge University [51] Verbeek, M. (2005). Modern Econometrics. Wiley & Sons. [52] White, H. (1996). Estimation, Inference and Specification Analysis. Cambridge University [53] White, H. (1999). Asymptotic Theory for Econometricians. Academic [54] White, H. (2000). A Reality Check For Data Snooping. Econometrica