D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
|
|
- Fernando Olivares Rodríguez
- hace 5 años
- Vistas:
Transcripción
1 D to de Econoía Aplicada Cuantitativa I Basilio Sanz Carnero
2 MODELOS DINÁMICOS: INTRODUCCIÓN En econoetría se considera odelos estáticos a aquellos en que las variables no presentan retardos (los odelos de cointegración son estáticos pues están planteados sin desfases). Los odelos dináicos, por el contrario, son aquellos en que al enos alguna de las variables se presenta retardada. Si la variable endógena se presenta con retardos entonces se habla de odelos autorregresivos. Si es la variable independiente o exógena la que presenta retardos entonces se denoinan odelos de retardos distribuidos. Si presenta abos, es decir variables endógenas y exógenas retardadas entonces estaos ante odelos autorregresivos de retardos distribuidos (odelización de los general a lo específico). En definitiva la idea de ecuación estática está relacionada con ajustes instantáneos entre las variables ientras que el odelo dináico plantea que el ajuste requiere tiepo.
3 MODELOS CON REGRESORES ESTOCÁSTICOS Tanto si se introduce la variable endógena retardada (odelos autorregresivos) coo si se consideran que las variables exógenas son estocásticas (odelos ultiecuacionales, odelización de lo general a lo específico o etodología VAR) surge el problea de que se viola el supuesto clásico del odelo de regresión de que las variables exógenas son fijas. En el odelo clásico (X fijas) teneos, en térinos atriciales, que: Y = Xβ + V [1] B = XX 1 XY [2] Sustituyendo [1] en [2] teneos, B = XX X Xβ + V XX XXβ XX XV β XX XV [3] Aplicando esperanzas, se llega a la conclusión de que el estiador es insesgado, 1 1 [4] E B = E E β X X X V β X X X V β Dividiendo y ultiplicando por n y aplicando pli se tiene que son consistentes, 1 1 XX XV XX XV pli E B = pli β β pli pli β n n n n Ya que [(X X)/n] es constante puesto que es la atriz de varianzas y covarianzas ientras que [(X V)/n] se anula puesto que X y V son independientes. [5]
4 MODELOS CON REGRESORES ESTOCÁSTICOS Sin ebargo si las X son estocásticas entonces cabe considerar 3 casos: Si las X son estocásticas e independientes de las perturbaciones aleatorias entonces los estiadores conservan las propiedades de insesgadez y consistencia ya que, 1 1 E B = E β XX XV β E XX X E V β 1 1 XX XV XX XV pli E B = pli β β pli pli β n n n n Si las X son estocásticas e incorreladas conteporáneaente pero no independientes entonces los estiadores son sesgados pero consistentes, 1 1 E B = E β XX XV β E XX X V β 1 1 XX XV XX XV pli E B = pli β β pli pli β n n n n Si las X son estocásticas y no fueran independientes ni incorreladas conteporáneaente entonces los estiadores son sesgados e inconsistentes, ya que la probabilidad en el líite de [(X V)/n] no se anula.
5 MODELOS CON RETARDOS DISTRIBUIDOS Cuando la variable exógena presenta retardos estaos ante odelos con retardos distribuidos. Este tópico aparece relacionado con la hipótesis de Koyc desde el punto de vista econoétrico. Desde el punto de vista econóico se relaciona con la odelización del ultiplicador, el acelerador flexible y con la persistencia de los hábitos. El odelo se expresa coo, Yt 0X t 1X t1... X t Vt 0 ix i ti V t Bajo el supuesto de que i 0 i β 0 es el ultiplicador de ipacto. j Se denoinan ultiplicadores interedios a, 0 i j i El ultiplicador total o a largo plazo, 0 i i Proporción del retardo i sobre el efecto total es, i i 0 i El retardo edio, i, o tiepo que tarda en producirse la 0 i i i0 i itad del efecto total. No es necesario que todos los térinos tengan el iso signo. Este tipo de odelos tienen dos inconvenientes a priori: No hay criterio objetivo para deterinar el núero de retardos. Al introducir retardos de la variable se incurre en ulticolinealidad.
6 MRD (EJEMPLO DEL CONSUMO) MCO, usando las observaciones 1997:1-2010:4 (T = 56) Variable dependiente: l_ce Coeficiente Desv. Típica Estadístico t Valor p const -0, , ,392 0,0014 *** l_pibe 1, , ,581 1,22e-06 *** l_pibe_1 0, , ,899 0,0638 * l_pibe_2-0, , ,145 0,0373 ** l_pibe_3 0, , ,004 0,3205 l_pibe_4-0, , ,668 0,0006 *** l_pibe_5 0, , ,062 0,2940 l_pibe_6 0, , ,744 0,0878 * l_pibe_7-0, , ,758 0,0854 * l_pibe_8 0, , ,8900 0,3781 Media de la vble. dep. 12,20882 D.T. de la vble. dep. 0, Sua de cuad. residuos 0, D.T. de la regresión 0, R-cuadrado 0, R-cuadrado corregido 0, F(9, 46) 542,3518 Valor p (de F) 1,38e-43 Log-verosiilitud 167,8524 Criterio de Aaie -315,7048 Criterio de Schwarz -295,4513 Crit. de Hannan-Quinn -307,8525 rho -0, Durbin-Watson 2, Regresión que presenta un bien ajuste pero tabién coeficientes negativos difíciles de explicar econóicaente así coo coeficientes no significativos. Alt y Tinbergen sugieren proceder de fora sucesiva añadiendo retardos y detenerse cuando los coeficientes epiezan a ser no significativos o cuando cabian de signo.
7 MRD (EJEMPLO DEL CONSUMO) De anera que procedeos a estiar el odelo anterior de fora secuencial. lnct 0,22 0,97ln PIBt [1] lnct 0,1 0,42ln PIBt 0,57ln PIBt 1 [2] ln C 0,26 0,67ln PIB 0,61ln PIB 0,27ln PIB [3] t t t1 t2 Elegios el segundo odelo [2] siguiendo el criterio de Alt y Tibergen puesto que con dos retardos el signo es negativo [3] lo que es contrario con la teoría. El odelo copleto estiado se presenta en la siguiente diapositiva.
8 MRD (EJEMPLO DEL CONSUMO) Modelo 48: MCO, usando las observaciones 1995:2-2010:4 (T = 63) Variable dependiente: l_ce Coeficiente Desv. Típica Estadístico t Valor p const -0, , ,5563 0,5801 l_pibe 0, , ,09 1,53e-014 *** l_pibe_1 0, , ,86 2,29e-020 *** Media de la vble. dep. 12,17822 D.T. de la vble. dep. 0, Sua de cuad. residuos 0, D.T. de la regresión 0, R-cuadrado 0, R-cuadrado corregido 0, F(2, 60) 2320,632 Valor p (de F) 1,51e-57 Log-verosiilitud 169,0656 Criterio de Aaie -332,1312 Criterio de Schwarz -325,7018 Crit. de Hannan-Quinn -329,6025 rho 0, Durbin-Watson 1, Modelo que presenta un buen ajuste, no autocorrelación de las perturbaciones y coeficientes acordes con la teoría. El ultiplicador de ipacto es 0,42, el total 0,99 y el retardo edio 0,57. No obstante este tipo de odelos presentan, coo heos coentado, dos tipos de probleas. El núero de retardos no está deterinado y ulticolinialidad. Para resolver estos probleas se han establecido otras especificaciones coo la de Koyc que vereos a continuación.
9 MRD (MODELO DE KOYCK) Suponeos que los coeficientes van disinuyendo a edida que auentan los retardos en una deterinada proporción (0<λ<1) de anera que el odelo de retardos distribuidos, Y X X... X V X V t 0 t 1 t1 t t i0 i ti t queda de la siguiente fora, restando un periodo y ultiplicando por λ a [1], y restado [1] [2] se tiene que, Y Y X V V reordenando llegaos al odelo de Koyc que es un odelo autorregresivo donde el regresor estocástico (Y t-1 ) presenta autocorrelación con las perturvaciones (λv t-1 ), es decir, la estiación por MCO de [4] es sesgada e inconsistente tal y coo vios al principio de este resuen. Y X X X X V 2 t t t1 t1... t t Y X X X... X V 2 3 t1 t1 t2 t3 t t1 t t1 t t t1 Y X Y V V t t t1 t t1 [3] [4] [1] [2]
10 MRD (MODELO DE KOYCK) De anera que el odelo de Koyc consiste en estiar el odelo 2, Y a partir de, t Xt Xt 1 Xt 1... Xt Vt. Yt Xt Yt 1 Vt Vt, con ello garantizaos que los coeficientes disinuyen a edida que auentan los retardos y reducios los paráetros a estiar de +1 a 3. El ultiplicador de ipacto es β. El ultiplicador total, 2 i i i i i i i i
11 KOYCK (EJEMPLO DEL CONSUMO) Modelo 49: MCO, usando las observaciones 1995:2-2010:4 (T = 63) Variable dependiente: l_ce Coeficiente Desv. Típica Estadístico t Valor p const 0, , ,014 0,3146 l_pibe 0, , ,759 0,0077 *** l_ce_1 0, , ,274 4,26e-08 *** Media de la vble. dep. 12,17822 D.T. de la vble. dep. 0, Sua de cuad. residuos 0, D.T. de la regresión 0, R-cuadrado 0, R-cuadrado corregido 0, F(2, 60) 896,2077 Valor p (de F) 2,05e-45 Log-verosiilitud 139,7284 Criterio de Aaie -273,4567 Criterio de Schwarz -267,0273 Crit. de Hannan-Quinn -270,9280 rho -0, h de Durbin -8, Modelo que ajusta bien pero con autocorrelación negativa tal y coo predice el odelo teórico de Koyc. La elasticidad a corto plazo (ultiplicador de ipacto) es 0,30. El ultiplicador total es 0,92. Los coeficientes son: b o =0,3; b 1 =0,2; b 2 =0,14; b 3 =0,09; b 4 =0,06; b 5 =0,04;
12 LA H DE DURBIN Cuando los odelos presentan la variable endógena retardada entonces el Durbin-Watson está sesgado hacia 2, Durbin propuso para este caso utilizar el estadístico h. Que a partir del odelo autorregresivo de Marov (V t = ρv t-1 ) contrasta la hipótesis siguiente. H o : ρ = 0 frente a H 1 : ρ 0, el estiador es, n 1 D W h r n 1nS 2 1nS 2 2 Donde «r» es la estiación de «ρ» y «S λ2» la varianza del coeficiente de la variable endógena retardada. Es un contraste de dos colas coo se deduce de la hipótesis a contrastar, se distribuye coo una noral de anera que no podeos rechazar hipótesis nula de no autocorrelación si el valor epírico de «h» es enor, en térinos absoluto, que 1,96.
13 CANTRASTE DE CAUSALIDAD (GRANGER) El contraste iplica estiar las dos siguientes ecuaciones: Y X Y u t 1 i1 i ti i1 i ti 1t X Y X u t 2 i1 i ti i1 i ti 1t Donde u 1t y u 2t cuplen los supuestos usuales. Las ecuaciones pueden expresarse en niveles, logaritos, diferencias o tasas de variación. A partir de [1] y [2] se pueden sacar las siguientes conclusiones: 1. Si α i 0 y λ i = 0 entonces existe causalidad en el sentido de Granger de X a Y. 2. Si α i = 0 y λ i 0 entonces existe causalidad en el sentido de Granger de Y a X. 3. Si α i 0 y λ i 0 entonces existe causalidad en el sentido de Granger bidireccional de Y a X y de X a Y. 4. Si α i = 0 y λ i = 0 entonces no existe causalidad en el sentido de Granger. Para contrastar α i = 0 o que λ i = 0 se recurre al contraste de la F de Snedecor que repasaos en la siguiente diapositiva. [1] [2]
14 CANTRASTE DE CAUSALIDAD (GRANGER) Si quereos contrastar α i = 0 coo hipótesis nula frente a la hipótesis alternativa α i 0 entonces se estian las ecuaciones irrestricta y restringida siguientes: Y X Y u t i1 i ti i1 i ti I Y Y u t i1 i ti R Donde u I y u R son respectivaente los residuos de la ecuación irrestricta [1] y restringida [2]. El valor epírico del contraste se calcula a partir de Que se coporta coo una «F» de Snedeor con «, n-» grados de libertad. Donde «SC I» es la sua cuadrática de los residuos de la ecuación sin restricciones y «SC R» la sua cuadrática de los residuos de la ecuación restringida, es el núero de retardos utilizados, «n» el núero de observaciones utilizadas en la regresión y el núero de paráetros estiados en la ecuación sin restricciones. Si el valor epírico es ayor que el crítico (tablas) entonces rechazaos la hipótesis nula ( α i 0) y existe causalidad en el sentido de Granger entre «X» e «Y», es decir «X» es la causa e «Y» el efecto. SCR SC SCI n I [1] [2]
15 CAUSALIDAD DE GRANGER (EJEMPLO CONSUMO) IRRESTRICTA: MCO, usando las observaciones 1995:3-2010:4 (T = 62) Variable dependiente: l_ce Coeficiente Desv. Típica Estadístico t Valor p l_pibe_1 0, , ,665 4,83e-07 *** l_pibe_2 0, , ,761 0,0077 *** l_ce_1 0, , ,1242 0,9016 l_ce_2-0, , ,5648 0,5744 Media de la vble. dep. 12,18211 D.T. de la vble. dep. 0, Sua de cuad. residuos 0, D.T. de la regresión 0, R-cuadrado 0, R-cuadrado corregido 0, F(4, 58) Valor p (de F) 4,9e-160 Log-verosiilitud 152,7906 Criterio de Aaie -297,5812 Criterio de Schwarz -289,0727 Crit. de Hannan-Quinn -294,2405 rho 0, Durbin-Watson 1, Donde la ecuación de la izquierda es la irrestricta y la de la derecha la restringida. El valor epírico es, SCR SC SCI n I 0, , , 76 0, RESTRINGIDA: MCO, usando las observaciones 1995:3-2010:4 (T = 62) Variable dependiente: l_ce Coeficiente Desv. Típica Estadístico t Valor p l_ce_1 0, , ,957 6,19e-06 *** l_ce_2 0, , ,593 0,0007 *** Media de la vble. dep. 12,18211 D.T. de la vble. dep. 0, Sua de cuad. residuos 0, D.T. de la regresión 0, R-cuadrado 0, R-cuadrado corregido 0, F(2, 60) Valor p (de F) 4,1e-161 Log-verosiilitud 138,6472 Criterio de Aaie -273,2944 Criterio de Schwarz -269,0402 Crit. de Hannan-Quinn -271,6241 rho -0, h de Durbin - 0, Coo el valor de tablas es F 4,58 = 2,53 y el valor epírico es ayor que el crítico (16,76 > 2,53), rechazaos las hipótesis nula ( α i = 0) de anera que existe causalidad en el sentido de Granger de la renta (causa) al consuo (efecto).
16 D to de Econoía Aplicada Cuantitativa I Basilio Sanz Carnero
D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero Tendencia estocástica y determinista Una serie de tiempo tiene tendencia estocástica (o también denominadas estacionarias en diferencias) cuando
Más detallesD to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero INTRODUCCIÓN El problema de medir relaciones económicas a largo plazo (regresión entre variables económicas en niveles o no estacionarias)
Más detallesT3. El modelo lineal básico
T3. El modelo lineal básico Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Regresión lineal múltiple Planteamiento Hipótesis
Más detallesEjercicio Heterocedasticidad_2
Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5
Más detallesINTRODUCCION AL ANÁLISIS DE REGRESIÓN LINEAL. Larissa Welti Santos. Cholula, México. 2002
INTRODUCCION AL ANÁLISIS DE REGRESIÓN LINEAL Larissa Welti Santos Cholula, Méico. 00 El análisis de regresión tiene por obetivo estiar el valor proedio de una variable, variable dependiente, con base en
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesEl Modelo de Regresión Lineal General Estimación
Tema 5 El Modelo de Regresión Lineal General Estimación Pilar González y Susan Orbe Dpto Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Tema 5 MRLG: Estimación 1
Más detallesSolución Ejercicio 7.
Solución Ejercicio 7. Heterocedasticidad y autocorrelación. Ejercicio 7.1 Alquiler de sombrillas Primera parte a. Modelo: S t = α + βt t + u t t = 1,..., 22 Modelo 1: MCO, usando las observaciones 2012-04-30
Más detallesT6. Modelos multiecuacionales
T6. Modelos multiecuacionales Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Los modelos multiecuacionales: SUR y SEM 2 Modelos
Más detallesModelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método
Más detalles1. Introducción: aproximación de un vector
.6 Ajuste lineal por ínios cuadrados (6_AL_T_v9;005.w0.4; C & / C) 0. Notación (, ) producto interno de vectores A atriz de diseño (rectangular; n); contiene por colunas los vectores de las funciones del
Más detallesy x Estimar por MCO un modelo lineal entre la variable explicada (y) y las
Ejercicio MLG Disponemos de los siguientes datos y x x3 7 6 0 4 3 7 8 6 3 6 6 5 8 9 8 Se pide. Estimar por MCO un modelo lineal entre la variable explicada (y) y las explicativas (x).. Comprobar que el
Más detallesLa función de consumo en España
La función de consumo en España 1. Introducción Con el objetivo de repasar los capítulos 8, 9, 10 y 11 del manual de econometría II analizamos la función de consumo en España entre 1940 y 1997. Repasaremos
Más detallesEconometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de Pr (N (0, 1) > 1, 282) = 0, 10
Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de 2014 Instrucciones para la realización del examen: Dispone de 2 horas y media para responder al examen La evaluación consta
Más detallesEconometría de Económicas Ejercicios para el tema 2 y 3
Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción
Más detallesT5. Ampliación del modelo lineal básico
T5. Ampliación del modelo lineal básico Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto Economía T5. Aplicada. Ampliación
Más detallesModelos con Datos de Panel
Modelos con Datos de Panel Econometría II Grado en Economía Universidad de Granada Modelosdedatosdepanel 1/26 Contenidos Modelosdedatosdepanel 2/26 Elmodelo Modelosdedatosdepanel 3/26 Elmodelo Hasta el
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 detallesHeterocedasticidad y autocorrelación
Heterocedasticidad y autocorrelación Tema 6 Heterocedasticidad y Autocorrelación Esquema 1. Supuestos del modelo de regresión. 2. Distribución de los estimadores MCO. 3. Varianzas de los estimadores. 4.
Más detallesSEMINARIO ECONOMETRIA 14 DE MAYO DEL CASO: Determinando un éstandar de productividad comercial en banca
SEMINARIO ECONOMETRIA 14 DE MAYO DEL 212 CASO: Determinando un éstandar de productividad comercial en banca 1.1. Objetivo del análisis: Un banco quiere estimar la productividad estándar esperada de cada
Más detallesEXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce
EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 005 Prof. Rafael de Arce NOMBRE: DNI: PARTE I.- TEST 1. La hipótesis de rango pleno en el MBRL supone: Que las variables explicativas no tengan ninguna
Más detallesMODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo
José María Cara Carmona Adrián López Ibáñez MODELO ECONOMÉTRICO Explicación del desempleo Desarrollaremos un modelo econométrico para intentar predecir el desempleo. Trataremos los diversos problemas que
Más detalles( )( ) ( )( ) ( )( ) ( )( ) f ( ) ( )( ) [ f ]
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL SEMESTRE 0 -
Más detallesHerramientas para el Estudio de Mercado. Técnicas de Predicción.
Herramientas para el Estudio de Mercado Proyecciones Económicas Técnicas de Predicción. Profesor: Exaú Navarro Pérez Técnicas de Predicción. Introducción. Técnicas Elementales de Predicción. Modelo Econométrico.
Más detallesMovimiento Armónico Forzado
Moviiento Arónico Forzado Estudieos ahora el oviiento de una asa soetida a una fuerza elástica, en presencia de fuerzas de arrastre y de una fuerza externa que actúa sobre la isa. Asuireos que la fora
Más detallesEXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de Nombre y Apellidos:
EXAMEN ECONOMETRÍA II GRUPO DADE Prof. Rafael de Arce 3 de septiembre de 2004 Nombre y Apellidos: PRIMERA PARTE: (En las preguntas tipo test sólo debe marcarse una en cada caso): 1. Para determinar si
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 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 detallesFuerzas de fricción (o de rozamiento)
Fuerzas de fricción (o de rozaiento) Si un cuerpo se ueve sobre una superficie áspera o rugosa, encontrará adeás de la resistencia del aire, otra fuerza de resistencia debida a la rugosidad de la superficie.
Más detallesPrácticas Tema 5. Ampliaciones del Modelo lineal básico
Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de
Más detallesEconometría. Examen 02/02/2015. La respuesta que no sea claramente interpretable se considerará incorrecta.
Econometría Examen 02/02/2015 Alumno Grupo 1 a b c d 11 a b c d 2 a b c d 12 a b c d 3 a b c d 13 a b c d 4 a b c d 14 a b c d 5 a b c d 15 a b c d 6 a b c d 16 a b c d 7 a b c d 8 a b c d 9 a b c d 10
Más detallesMétodos Estadísticos para Economía y Gestión IN 540 Clase 7
Métodos Estadísticos para Economía y Gestión IN 540 Clase 7 Perturbaciones no Esféricas 17 de junio de 2010 1 Preliminares Matriz de Varianzas y Covarianzas cuando ɛ t es un AR(1) Naturaleza y causas de
Más detalles< ρ y cuyo coeficiente de viscosidad es η. Se supone que la velocidad de la esferano origina turbulencias en el fluido.
EY DE STOES Una esfera de radio r y densidad ρ parte del reposo en el seno de un fluido de densidad ρ f < ρ y cuyo coeficiente de viscosidad es η. Se supone que la velocidad de la esferano origina turbulencias
Más detallesEJERCICIOS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES (CAPÍTULO 5 ) PROPUESTOS EN EXÁMENES
EJERCICIOS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES (CAPÍTULO 5 ) PROPUESTOS EN EXÁMENES 1º) Razone breveente sobre los conceptos de Casualidad, Causalidad y Especificación de odelos estadísticos.(junio
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesFACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES GRADO EN ECONOMÍA
FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES GRADO EN ECONOMÍA Una introducción práctica al análisis econométrico de series temporales Trabajo Fin de Grado presentado por Francisco Álvarez Sánchez,
Más detallesModelos Dinámicos. Tema Introducción
Tema 6 Modelos Dinámicos 6.1. Introducción Este tema vuelve a ocuparse de la modelización de relaciones entre variables dentro de un contexto de datos en el tiempo o series temporales. Como ya comentamos
Más detallesSOLUCIONES EXAMEN FINAL DE ECONOMETRÍA
UC3M. Examen Final de Econometría, 206/7 23/05/207 SOLUCIONES EXAMEN FINAL DE ECONOMETRÍA.. a. Respuesta: donde Y 0 + X + 2 Z + 3 W + U W 0 + Z + V U Y ( 0 + X + 2 Z + 3 W ) Y E (Y j X; Z; W ) ) E (Uj
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Más detallesFundamentos del Análisis Econométrico. Dante A. Urbina
Fundamentos del Análisis Econométrico Dante A. Urbina Qué es la Econometría? Etimológicamente Econometría significa medición de la economía. En ese contexto, la Econometría es la aplicación de métodos
Más detallesIntroducción a la Econometría
1Econometría Introducción a la Econometría -Que es la econometría - Por que una disciplina aparte? -Metodología de la econometría Planeamiento de la teoría o hipótesis Especificación del modelo matemático
Más detallesTema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid Febrero de 2012
Tema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid Febrero de 2012 Colinealidad (I) La multicolinealidad es un problema que surge cuando las variables explicativas
Más detallesTODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)
TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión
Más detallesÁREA: BÁSICA CLAVE DE LA ASIGNATURA: LA 102
TEÁTIS ÁRE: ÁSI LVE DE L SIGNTUR: L OJETIVO(S) GENERL(ES) DE L SIGNTUR: l térino del curso el aluno analizará los principios de las ateáticas; aplicará los isos coo herraientas para operar en los coportaientos
Más detalles(5 x 3) ( 3 x 5) ( 5 x 1) b1 335, ,3-26, ,59 b2 = 0, , ,8 12,85 = 2,94 b3-26,79 13,8 2, ,31
VENTAS PUBLIC. PRECIOS 1990 0, 0, 10 1991 1 0, 1992 2 0,8 199, 0,8 199 1, Y X U 0, 1 0, 10 U1 Modelo matricial con término constante 1 1 0, U2 (el vector de unos recoge ese término constante) 2 1 0,8 U,
Más detallesMODELO VAR ARGENTINA
MODELO VAR ARGENTINA 1.-INTRODUCCIÓN Argentina es una de las economías más grandes de América Latina. En los últimos años, Argentina priorizó promover un desarrollo económico con inclusión social. El país
Más detallesCAPITULO 7 MODELO CON TIEMPOS DE FALLA CON DISTRIBUCION DE PROBABILIDAD GENERAL Y FRECUENCIA DE MUESTREO VARIABLE.
CAPITULO 7 MODELO CON TIEMPOS DE FALLA CON DISTRIBUCION DE PROBABILIDAD GENERAL Y FRECUENCIA DE MUESTREO VARIABLE. En este capítulo se presenta el odelo propuesto por Rahi & Banerjee [3], su solución con
Más detallesDEMANDA DE AUTOMOVILES EN ESPAÑA
MODELO ECONOMETRICO DEMANDA DE AUTOMOVILES EN ESPAÑA Pablo Javier Benavides Montes (pablojavier@correo.ugr.es) 3º GECO A INDICE: Pagina 1. Resumen..2 2. Motivaciones.2 3. Introducción..2-4 4. Datos 5-9
Más detallesEconometría 2. Modelos no estacionarios y contrastes de raíz unitaria = 0 8. (0 4) 1 +, (0 2 ), y valores críticos
Econometría 2 Modelos no estacionarios y contrastes de raíz unitaria 1. Cuál de las siguientes afirmaciones es verdadera? (a) Un proceso I(1) es un camino aleatorio; (b) Un camino aleatorio es un ruido
Más detallesNOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta)
ECONOMETRÍA I Examen DADE 20 de enero de 2005 NOMBRE: I. TEST (debe marcar sólo un resultado como válido en cada pregunta) 1. El contraste del predictor Sirve para determinar si las predicciones del modelo
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 detallesECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía
ECONOMETRÍA I Tema 2: El Modelo de Regresión Lineal Simple Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 42 Modelo de Regresión
Más detallesTema 3.1: Modelo lineal general: hipótesis y estimación. Universidad Complutense de Madrid 2013
ema 3.1: Modelo lineal general: hipótesis y estimación Universidad Complutense de Madrid 2013 Introducción El objetivo es especificar y estimar un Modelo Lineal General (MLG) en donde una variable de interés
Más detallesT4. Modelos con variables cualitativas
T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad
Más detallesSEMESTRE TIPO 1 DURACIÓN MÁXIMA 2.0 HORAS 31 DE MAYO DE NOMBRE Apellido paterno Apellido materno Nombre (s) Firma
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesLa función de consumo de Castilla y León
Facultad de Ciencias Económicas y empresariales Grado en Economía La función de consumo de Castilla y León Presentado por: Guillermo Torrego García Tutelado por: Jesús Cavero Álvarez Valladolid, a 25 de
Más detallesEcuación característica (raíces reales y distintas, raíces reales e iguales, raíces complejas conjugadas)
.6.. Ecuación característica (raíces reales distintas, raíces reales iguales, raíces coplejas conjugadas).6.. Ecuación característica (raíces reales y distintas, raíces reales e iguales, raíces coplejas
Más detallescon los supuestos clásicos, uno de ellos es que ninguna de las variables X 1, X 2,, X K es
TEMA 2: EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: MULTICOLINEALIDAD Y TRANSFORMACIONES LINEALES. Wooldridge: Capítulos 6 (apartado 6.1) y 7 Gujarati: Capítulos 9 (apartado 9.8), 10 y 12 1. MULTICOLINEALIDAD
Más detallesEjercicios Resueltos (de examen)
Ejercicios Resueltos de examen Román Salmerón Gómez Modelo lineal uniecuacional múltiple Usando los siguientes datos, consumo nacional C t y renta nacional R t en España para el periodo 995-005 a precios
Más detallesTEMA 9. CONTROL REGULATORIO AVANZADO DE PROCESOS CON GRANDES TIEMPOS MUERTOS Y/O RESPUESTA INVERSA.
ontrol regulatorio avanzado de procesos con grandes tiepos uertos y/o respuesta inversa.- 8 TEMA 9. ONTROL REGULATORIO AVANZADO DE PROESOS ON GRANDES TIEMPOS MUERTOS Y/O RESPUESTA INVERSA. Los procesos
Más detalles1 Capa límite, distribución de velocidades
Tea IIIb Distribución de elocidades Hoja 1 1 Capa líite, distribución de elocidades Concepto de capa líite La condición de borde para un flujo dado, iplica que ay aderencia con la frontera, o sea, que
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 detallesClase Temas
Econoía política Jorge M. Streb Clase 7 9.7. Teas I. Krishna y Morgan sobre cheap talk (sanata II. La condición de single crossing (un solo cruce de Spence y Mirrlees III. Trabajo práctico : discusión
Más detallesGUÍA PARA LAS SOLUCIONES DE LA PRÁCTICA 2 DE ECONOMETRÍA T.A: MªDolors Navarro Bergas. VARIABLE COEFICIENTE DESV.TÍP. ESTAD.
GUÍA PARA LAS SOLUCIONES DE LA PRÁCTICA 2 DE ECONOMETRÍA T.A: MªDolors Navarro Bergas Ejercicio Resultados de la estimación por MCO del modelo (). Modelo : estimaciones MCO utilizando las observaciones
Más detallesPROPIEDADES 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 detallesEXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES
EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES REGRESIÓN A TRAVÉS DEL ORIGEN Y Y i = β 1 + β 2X i + ε i Y i = β 2X i + ε i X A MENOS QUE EXISTA UNA EXPECTATIVA A PRIORI MUY FUERTE ES ACONSEJABLE
Más detallesLa ecuación de Advección
Capítulo 3 La ecuación de Advección Difusión. 3.. Diferencias finitas en la Ecuación de Advección difusión El problea de transporte de containantes han sido estudiados apliaente, sin ebargo las soluciones
Más detallesApellidos: Nombre: Curso: 2º Grupo: A Día: CURSO
EXAMEN DE MATEMATICAS II ª ENSAYO (ÁLGEBRA) Apellidos: Nobre: Curso: º Grupo: A Día: CURSO Opción A. Considera la atriz a a B a a que depende de un paráetro. a) [, puntos] Para qué valores de a tiene B
Más detallesEconometría. Examen 24/06/2015. La respuesta que no sea claramente interpretable se considerará incorrecta.
Econometría Examen 24/06/2015 Alumno Grupo 1 a b c d 11 a b c d 2 a b c d 12 a b c d 3 a b c d 13 a b c d 4 a b c d 14 a b c d 5 a b c d 6 a b c d 7 a b c d 8 a b c d 9 a b c d 10 a b c d Reglas del examen
Más detallesDISEÑO Y ANÁLISIS DE DESEMPEÑO DE OBSERVADORES ADAPTATIVOS EN ESQUEMAS DE CONTROL MEDIANTE REALIMENTACIÓN COMPLETA DE ESTADOS
DISEÑO Y ANÁLISIS DE DESEMPEÑO DE OBSERVADORES ADAPTATIVOS EN ESQUEMAS DE CONTROL MEDIANTE REALIMENTACIÓN COMPLETA DE ESTADOS Valencia Montaño Mónica Andrea Facultad de Ingeniería Electrónica, Escuela
Más detallesRegresión con heterocedasticidad y autocorrelación
Regresión con heterocedasticidad y autocorrelación Tema 6 Regresión con heterocedasticidad La heterocedasticidad significa que var( i ) cte Es la norma, no la excepción, en especial con datos transversales
Más detallesF d M. M m k y P (3) NOTAS DE CLASE. Alcides José Lasa. MONETIZACIÓN DE LOS DÉFICIT Señoreaje e impuesto inflacionario
NOTAS DE CLASE Alcides José Lasa MONETIZACIÓN DE LOS DÉFICIT Señoreaje e ipuesto inflacionario Una odalidad de financiaiento del déficit público es la eisión de dinero (en el sentido usual que consiste
Más detallesPARTICIPACIÓN DE LOS BENEFICIOS Y SALARIOS EN EL PRODUCTO INTERNO BRUTO: LA FUNCIÓN DE PRODUCCIÓN COBB-DOUGLAS VS EL SISTEMA DE CUENTAS NACIONALES
PARTICIPACIÓN DE LOS BENEFICIOS Y SALARIOS EN EL PRODUCTO INTERNO BRUTO: LA FUNCIÓN DE PRODUCCIÓN COBB-DOUGLAS VS EL SISTEMA DE CUENTAS NACIONALES Supuestos del Modelo 1 Competencia Perfecta Se supone
Más detallesProblema PTC Datos: R= 100Ω, L= 10mH, C=100nF. Solución PTC
Problea PTC0004-4 Se dispone de un circuito RLC coo el de la igura. Calcular: a El espectro de aplitud del sistea (en escalas lineal y logarítica. b El espectro de ase del sistea (en escalas lineal y logarítica.
Más detallesEJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos
ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta
Más detallesModelos de elección discreta Aplicaciones en ordenador
Modelos de elección discreta Aplicaciones en ordenador Román Salmerón Gómez Para ilustrar cómo abordar el análisis de Modelos de elección discreta con el software econométrico Gretl resolveremos el siguiente
Más detallesECUACIONES DIFERENCIALES (0256)
ECUACIONES DIFERENCIALES (256) SEMANA 3 CLASE 8 MIÉRCOLES 25/4/12 1. Creciiento poblacional. La idea básica es deterinar el taaño futuro de una población suponiendo que su tasa de creciiento es conocida
Más detallesEXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)
EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.
Más detallesUNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.15 ECONOMETRÍA 2 Econometría.weebly.com Wilhem.weebly.com Ejercicio 19.15 Considérese
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
Más detallesTaller I Econometría I
Taller I Econometría I 1. Considere el modelo Y i β 1 + ɛ i, i 1,..., n donde ɛ i i.i.d. N (0, σ 2 ). a) Halle el estimador de β 1 por el método de mínimos cuadrados ordinarios. Para realizar el procedimiento
Más detallesEJERCICIOS RESUELTOS DE ECONOMETRÍA CON GRETL
EJERCICIOS RESUELTOS DE ECONOMETRÍA CON GRETL PRÁCTICA Rosa Badillo Amador Susana Tena Nebot Rocío Munuera Navarro PRÁCTICA Se pretende analizar de qué factores depende el salario mensual de las familias
Más detallesTema 3.2: Modelo lineal general: inferencia y predicción. Universidad Complutense de Madrid 2013
Tema 3.2: Modelo lineal general: inferencia y predicción Universidad Complutense de Madrid 2013 Contraste de hipótesis paramétricas en el MLG (I) Necesitamos añadir a la lista de hipótesis del MLG, la
Más detallesLAS FAMILIAS DE DISTRIBUCIONES BETA DE VARIANZA CONSTANTE Y MESOCÚRTICAS EN EL MÉTODO PERT
LAS FAMILIAS DE DISTRIBUCIONES BETA DE VARIANZA CONSTANTE Y MESOCÚRTICAS EN EL MÉTODO PERT RAFAEL HERRERÍAS PLEGUEZUELO EDUARDO PÉREZ RODRÍGUEZ JOSÉ CALLEJÓN CÉSPEDES JOSÉ MANUEL HERRERÍAS VELASCO Universidad
Más detallesDivisión 1. Conceptos de Incertidumbre Coeficientes de Seguridad
CAPITULO 3 TENIONE Y DEFORMACIONE. REVIIÓN DE PRINCIPIO FÍICO División 1 Conceptos de Incertidubre Coeficientes de eguridad 1. El problea de la Incertidubre Cuando se deben diseñar y calcular eleentos
Más detallesRegresión con variables instrumentales
Regresión con variables instrumentales Tema 9 Introducción Cuando el supuesto de exogeneidad no se cumple, los estimadores MCO son sesgados e inconsistentes El método de Variables Instrumentales (VI) permite
Más detallesModelización dinámica en modelos de regresión
Facultad de Ciencias Económicas y Empresariales Grado en ADE Modelización dinámica en modelos de regresión Presentado por: Beatriz Tajadura Sánchez Tutelado por: Carmen Lorenzo Lago Valladolid, 30 de Julio
Más detalles4.1. El concepto de autocorrelación y su modelización
Tema 4 Autocorrelación 4.1. El concepto de autocorrelación y su modelización 4.1.1. Introducción Este tema aborda el problema de autocorrelación, una característica que puede presentar el término de error
Más detallesErrores de especificación
CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta
Más detalles156 Ecuaciones diferenciales
156 Ecuaciones diferenciales 3.6 Mecánica El paracaidiso es uno de los deportes extreos que día a día cuenta con ayor núero de adeptos. Los que practican este deporte se tiran desde un avión en oviiento
Más detallesTema 6. Multicolinealidad. Contenido Multicolinealidad perfecta Multicolinealidad de grado alto
Tema 6 Multicolinealidad Contenido 6.1. Multicolinealidad perfecta...................... 108 6.. Multicolinealidad de grado alto................... 110 108 Tema 6. Multicolinealidad A la hora de estimar
Más detallesCAPÍTULO 5. Proyecciones de las Fuentes de Empleo Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes
CAPÍTULO 5 Proyecciones de las Fuentes de Empleo 5.1. Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes de Empleo a Nivel Nacional. Para la proyección de las fuentes de empleo
Más detallesPROBLEMAS RESUELTOS DE CONTRASTES DE MEDIAS
PROBLEMA REUELTO DE CONTRATE DE MEDIA Problea 1.- e desea coprobar el efecto de dos trataientos distintos con relación a la depresión. Teneos al respecto, el trataiento A -terapia cognitivo conductual-
Más detallesEl modelo Lineal General
El Lineal General Román Salmerón Gómez Universidad de Granada RSG El lineal uniecuacional múltiple 1 / 68 Estimación del Validación del Explotación del Estimación del Validación del Explotación del RSG
Más detallesECONOMETRÍA I Convocatoria Extraordinaria 22 de Septiembre de 2007
SOLUCIONES EXAMEN Tipo 1 ECONOMETRÍA I Convocatoria Extraordinaria 22 de Septiembre de 2007 1.D 2.C 3.B 4.D 5.B 6.A 7.C 8.B 9.A 10.A 11.A 12.A 13.C 14.C 15.D 16.D 17.A 18.A 19.B 20.C 21.D 22.C 23.D 24.C
Más detallesFacultad de Física, P. Universidad Católica de Chile
Facultad de Física, P. Universidad Católica de Chile FIS-5-0: Física Clásica FIZ-0-0: Mecánica Clásica Ejercicios Resueltos de Dináica 30 de Aosto de 008 Problea : Considere el sistea de la fiura, que
Más detallesLICENCIATURAS EN ECONOMÍA Y EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Curso Primer Cuatrimestre ASIGNATURA: ECONOMETRÍA I
LICENCIATURAS EN ECONOMÍA Y EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Curso 2000-2001 Primer Cuatrimestre ASIGNATURA: ECONOMETRÍA I EXAMEN FINAL DEL DÍA 25 DE ENERO DE 2001 Departamento de Economía Cuantitativa
Más detalles