PARTICIPACIÓN DE LOS BENEFICIOS Y SALARIOS EN EL PRODUCTO INTERNO BRUTO: LA FUNCIÓN DE PRODUCCIÓN COBB-DOUGLAS VS EL SISTEMA DE CUENTAS NACIONALES

Tamaño: px
Comenzar la demostración a partir de la página:

Download "PARTICIPACIÓN DE LOS BENEFICIOS Y SALARIOS EN EL PRODUCTO INTERNO BRUTO: LA FUNCIÓN DE PRODUCCIÓN COBB-DOUGLAS VS EL SISTEMA DE CUENTAS NACIONALES"

Transcripción

1 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 un cambio tecnológico neutral en el sentido de Hicks (La cantidad de factores utilizados disminuye. Aumenta la eficiencia y la productividad de todos los factores productivos utilizados) Productividad Total de los Factores como residuo (El crecimiento del progreso técnico es entonces igual a la tasa de crecimiento del producto menos la tasa de crecimiento del capital ponderada por la participación de la remuneración del capital dentro del producto) No existe Capacidad Instalada Desocupada Nivel de Empleo compatible con Tasa de Desempleo NAIRU -usando VAR Estructural- (Tasa de Desempleo No Aceleradora de la Inflación, implica la existencia del Producto Potencial máximo nivel de PIB que una economía puede alcanzar de forma sostenible en el tiempo-) Rendimientos Constantes a Escala Base de Datos 2 AÑO PRODUCCIÓN CAPITAL TRABAJO 1963 $ ,95 $ , , $ ,67 $ , , $ ,24 $ , , $ ,39 $ , , $ ,95 $ , , $ ,97 $ , , $ ,27 $ , , $ ,78 $ , , $ ,62 $ , , $ ,02 $ , , $ ,73 $ , , $ ,10 $ , , $ ,51 $ , , $ ,42 $ , , $ ,28 $ , , $ ,43 $ , , $ ,02 $ , , $ ,88 $ , ,18 1 Esto combina los supuestos tanto del Modelo Teórico con los supuestos del Modelo Econométrico. 2 La primera parte tabla ha sido elaborada con base a los datos de la EPWT y la segunda con base a los datos del Banco Mundial.

2 1981 $ ,30 $ , , $ ,74 $ , , $ ,43 $ , , $ ,34 $ , , $ ,65 $ , , $ ,60 $ , , $ ,33 $ , , $ ,16 $ , , $ ,25 $ , , $ ,04 $ , , $ ,46 $ , , $ ,88 $ , , $ ,81 $ , , $ ,99 $ , , $ ,69 $ , , $ ,01 $ , , $ ,25 $ , , $ ,98 $ , , $ ,40 $ , , $ ,57 $ , , $ ,79 $ , , $ ,57 $ , , $ ,32 $ , , $ ,61 $ , , $ ,44 $ , , $ ,70 $ , , $ ,52 $ , , $ ,31 $ , ,76 AÑO SALARIOS PRODUCCIÓN % DE LA PRODUCCIÓN EN TÉRMINOS DE SALARIOS , ,00 9,83% , ,00 11,80% , ,00 12,74% , ,00 12,94% , ,00 12,89%

3 Resultados del Cálculo Econométrico de la Función de Producción Cobb-Douglas 3 Modelo 1: MCO, usando las observaciones (T = 46) Variable dependiente: Q Desviaciones típicas HAC, con ancho de banda 2 (Kernel de Bartlett) Coeficiente Desv. Típica Estadístico t Valor p Const 6, , ,5101 <0,00001 *** K 0, , ,6594 0,00003 *** L 0, , ,9234 0,36095 Media de la vble. dep. 23,72488 D.T. de la vble. dep. 0, Suma de cuad. residuos 0, D.T. de la regresión 0, R-cuadrado 0, R-cuadrado corregido 0, F(2, 43) 1314,148 Valor p (de F) 2,79e-39 Log-verosimilitud 67,17923 Criterio de Akaike 128,3585 Criterio de Schwarz 122,8725 Crit. de Hannan-Quinn 126,3034 Rho 0, Durbin-Watson 0, Contraste de heterocedasticidad de White (cuadrados sã³lo) - Hipótesis nula: No hay heterocedasticidad Estadístico de contraste: LM = 12,212 con valor p = P(Chi-cuadrado(4) > 12,212) = 0, Contraste LM de autocorrelación hasta el orden 2 - Hipótesis nula: no hay autocorrelación Estadístico de contraste: LMF = 79,5197 con valor p = P(F(2,41) > 79,5197) = 7,74814e-015 Contraste de normalidad de los residuos - Hipótesis nula: el error se distribuye normalmente Estadístico de contraste: Chi-cuadrado(2) = 9,1536 con valor p = 0, Contraste Breusch-Godfrey de autocorrelación hasta el orden 2 MCO, usando las observaciones (T = 46) Variable dependiente: uhat Coeficiente Desv. Típica Estadístico t Valor p Pruebas realizadas con Gretl.

4 const 0, , ,7768 0,4417 K 0, , ,001 0,3227 L 0, , ,9938 0,3262 uhat_1 1, , ,334 2,32e-010 *** uhat_2 0, , ,487 0,0171 ** R-cuadrado = 0, Estadístico de contraste: LMF = 79,519736, con valor p = P(F(2,41) > 79,5197) = 7,75e-015 Estadístico alternativo: TR^2 = 36,571861, con valor p = P(Chi-cuadrado(2) > 36,5719) = 1,14e-008 Ljung-Box Q' = 56,5612, con valor p = P(Chi-cuadrado(2) > 56,5612) = 5,22e-013 Contraste de heterocedasticidad de White MCO, usando las observaciones (T = 46) Variable dependiente: uhat^2 Coeficiente Desv. Típica Estadístico t Valor p const 0, , ,5013 0,6189 K 0, , ,1546 0,8779 L 0, , ,2754 0,7845 sq_k 0, , ,9736 0,3361 X2_X3 0, , ,192 0,2404

5 sq_l 0, , ,452 0,1542 R-cuadrado = 0, Estadístico de contraste: TR^2 = 13,370692, con valor p = P(Chi-cuadrado(5) > 13,370692) = 0, Factores de inflación de varianza (VIF) Mínimo valor posible = 1.0 Valores mayores que 10.0 pueden indicar un problema de colinealidad K 46,889 L 46,889 VIF(j) = 1/(1 - R(j)^2), donde R(j) es el coeficiente de correlación múltiple entre la variable j y las demás variables independientes Propiedades de la matriz X'X: norma-1 = 42450,585 Determinante = 228,01329 Número de condición recíproca = 3, e-007 El Modelo no posee heterocedasticidad ni autocorrelación, sin embargo, las pruebas respecto a la multicolinealidad no son concluyentes y aunque se pueden realizar diversos arreglos para buscar suprimirla, sin embargo, no era la intención primordial de la investigación y, por otro lado, aun cuando existe multicolinealidad, cabe destacar que: 1) Aun cuando los estimadores son MELI, estos presentan varianzas y covarianzas grandes que hacen difícil la estimación precisa.

6 2) Consecuencia de (1), los intervalos de confianza tienden a ser mucho más amplios, lo cual propicia una aceptación más difícil de la hipótesis nula (es decir que el verdadero coeficiente poblacional es cero). 3) También debido a (1), la razón t de uno o más coeficientes sea estadísticamente no significativa. 4) Aun cuando la razón t sea estadísticamente no significativa, la R cuadrada ajustada será muy alta. 5) Los estimadores de MCO y sus errores estándar son sensibles a pequeños cambios en la información. Conclusiones 1- A falta de información suficiente de las dos variables económicas utilizadas del Sistema de Cuentas Nacionales (véase el Cuadro 2), se puede concluir, aunque no sin ciertas dudas, que las predicciones de la participación de los salarios en el PIB no son acertadas, es posible que sea debido a las múltiples deficiencias que la Metodología Cobb-Douglas posee (véase el Debate de Cambridge), a que los años en contraste desde las dos metodologías no son idénticos o bien podría deberse a ambas. No hay información suficiente para concluir. 2- La econometrización de la Cobb-Douglas (a falta de realizar los procesos estadísticos para mitigar o eliminar la multicolinealidad) demostró que posee problemas de multicolinealidad y al no poseer heterocedasticidad ni autocorrelación, significa que el Modelo puede servir para control de políticas, más no para pronóstico (estimación precisa); sin embargo, cabe destacar que los problemas de multicolinealidad presentados son congruentes con los valores de los parámetros (los coeficientes técnicos del capital y del trabajo) desviados de los observados en el Sistema de Cuentas Nacionales. 3- Curiosamente, el problema de multicolinealidad es entre el Capital y el Trabajo, y aunque la Teoría Neoclásica desechó el supuesto que solo el trabajo crea valor, no sería descabellado pensar que precisamente enfermedad estadística en cuestión se deba a que el Capital no es más, según los Economistas Clásicos (Adam Smith, David Ricardo, James Mill, John Stuart Mill), Keynesianos y Post-Keynesianos (Joan Robinson, Piero Sraffa, Nikolas Kaldor, Luigi Pasinetti, etc.), que trabajo pretérito, es decir, trabajo acumulado. 4- Aun basándonos en las estimaciones realizadas por la Cobb-Douglas, la participación en la riqueza nacional es sumamente desigual, la cual se ve reforzada (como se ha expuesto en programas anteriores) por el descenso marcado y sostenido que han tenido diversos indicadores sociales como el Coeficiente de Gini. Metodología de Cálculo 45 GDP in 2005 purchasing power parity (2005 PPP). It is obtained multiplying the variables population and the real GDP per capital in 2005 PPP (chain index), respectively, pop (000s) and rgdpch in PWT 7.0. The result is multiplied by Our estimated net fixed standardized capital stock. It is obtained by the Perpetual Inventory Method (PIM) using the investment series computed from the variable real investment share (ki) of GDP presented in the PWT 7.0. There are two major problems in our attempt to estimate the capital stock that involves strong simplifications. First, the investment data is not presented by categories of gross 4 Tomado de EPWT. 5 Tomado del Banco Mundial.

7 fixed capital formation and it includes the gross residential capital formation as well as change in stocks. Second, the investment variable is reported for a short period of time. The solution for these problems is to consider not only that all categories of gross capital formation have the same asset life, but also that the asset life is very short. The variable N represents the number of workers. It is obtained dividing the variable X by the real GDP per worker, rgdpw, in the PWT 7.0. Compensación de empleados (UMN a precios actuales) consiste en todos los pagos en dinero y especie (por ejemplo, en alimentos y vivienda) realizados a empleados a cambio de servicios prestados, y contribuciones del Gobierno a esquemas de seguridad social como el seguro social y las pensiones que otorgan beneficios a empleados. Notas UMN = Unidades Monetarias Nacionales (Colones Costarricenses) PRODUCCIÓN 6 = Producto Interno Bruto CAPITAL = Stock de Capital Estandarizado de la EPWT MELI = Mejores Estimadores Lineales Insesgados BIBLIOGRAFÍA Bellod, J. (2011). LA FUNCIÓN DE PRODUCCIÓN COBB DOUGLAS Y LA ECONOMÍA ESPAÑOLA. Revista Economía Crítica, 12. Castro, R. (noviembre, 2011). MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL. Febrero, 2016, de Universidad Autónoma Metropolitana de México Sitio web: Foley, D. (2012, marzo 25). Extended Penn World Tables. Universidad de Pensilvania, , febrero 25, De EPWT Base de datos. Gujarati, N. & Porter, D. (2009). ECONOMETRÍA. México: McGraw-Hill. Sancho, A. (2006). Econometría de Económicas. Febrero, 2016, de Universidad de Valencia Sitio web: 6 Siempre al calcularse la Función de Producción Cobb-Douglas de forma empírica se suele partir que Q es igual al Producto Interno Bruto, sin embargo, este es un supuesto simplificador en demasía, pues recordemos que Q es el producto total, el cual incluye el Consumo Intermedio y el Consumo de Capital Fijo, en cambio el Producto Interno Bruto solo incluye (viéndolo desde el Método del Valor Agregado) los Beneficios y la Remuneración de Asalariados.

MODELO ECONOMÉTRICO. José María Cara Carmona. Adrián López Ibáñez. Explicación del desempleo

MODELO 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

Información sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.

Información 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 detalles

Ejercicio Heterocedasticidad_2

Ejercicio 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 detalles

El Modelo de Regresión Lineal

El 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 detalles

y x Estimar por MCO un modelo lineal entre la variable explicada (y) y las

y 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 detalles

MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.

MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez. MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción

Más detalles

Modelo Econométrico sobre el Turismo

Modelo Econométrico sobre el Turismo Modelo Econométrico sobre el Turismo Ruth Rubio Rodríguez Miriam Gómez Sánchez Mercados 3ºA GMIM Índice Planteamiento del Problema..4 1. Estadísticos Descriptivos...5 2. Matriz Correlaciones 5 3. Gráfico

Más detalles

FACTORES INFLUYENTES EN EL EMPLEO. Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán

FACTORES INFLUYENTES EN EL EMPLEO. Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán FACTORES INFLUYENTES EN EL EMPLEO Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán 2 ÍNDICE: 1. INTRODUCCIÓN 2. PLANTEAMIENTO DEL PROBLEMA 3. GRÁFICOS DE LOS DATOS 4. ESTIMACIÓN DEL MODELO

Más detalles

Tema 6. Multicolinealidad. Contenido Multicolinealidad perfecta Multicolinealidad de grado alto

Tema 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 detalles

Tema 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 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 detalles

Obligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo

Obligatoria Optativa Extracurricular Curso Seminario Taller. Clave seriación 45 Laboratorio. Horas prácticas de campo Carta descriptiva Datos de identificación Programa Nombre de la asignatura Tipo de Asignatura Maestría en Economía Aplicada Econometría I Ciclo Primer semestre Obligatoria Optativa Extracurricular Curso

Más detalles

T2. El modelo lineal simple

T2. 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 detalles

T6. Modelos multiecuacionales

T6. 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 detalles

(3620) ECONOMETRÍA (3620)

(3620) ECONOMETRÍA (3620) Programa de la asignatura Curso: 2013 / 2014 (3620) ECONOMETRÍA (3620) PROFESORADO Profesor/es: MARIA ISABEL LANDALUCE CALVO - correo-e: iland@ubu.es FICHA TÉCNICA Titulación: LICENCIATURA EN ADMINISTRACIÓN

Más detalles

Guía breve de análisis de series temporales unidimensionales con Gretl

Guía breve de análisis de series temporales unidimensionales con Gretl Guía breve de análisis de series temporales unidimensionales con Gretl 1. Pasos a seguir 1. Representación de la serie temporal (Variable Gráfico de series temporales). 2. Serie temporal no estacionaria

Más detalles

Modelos con Datos de Panel

Modelos 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 detalles

DEMANDA DE AUTOMOVILES EN ESPAÑA

DEMANDA 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 detalles

El Modelo de Regresión Lineal General Estimación

El 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 detalles

UNIVERSIDAD 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. 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 detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS 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 detalles

Dr. Fidel Ulin Montejo M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto 2004 Fecha de última actualización: Julio 2010

Dr. Fidel Ulin Montejo M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto 2004 Fecha de última actualización: Julio 2010 PROGRAMA DE ESTUDIO Análisis de Regresión Programa Educativo: Licenciatura en Actuaría Área de Formación : Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos:

Más detalles

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre

Más detalles

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:

Más detalles

Econometría. Multicolinealidad

Econometría. Multicolinealidad Econometría Multicolinealidad Que es? Hay dependencia lineal entra las variables explicativas Ejemplo1 1 3 6 1 X = 1 1 4 8 12 Determinante de X ' X es cero No se puede invertir X ' X No se pueden calcular

Más detalles

Métodos Cuantitativos en Economía

Métodos Cuantitativos en Economía Métodos Cuantitativos en Economía Mitos, leyendas y alguna media verdad Miguel Jerez Universidad Complutense de Madrid Abril 2015 Ver. 16/04/2015, Slide # 1 Esta conferencia se centra en una única idea

Más detalles

Regresión con series temporales

Regresión con series temporales Regresión con series temporales Miguel Jerez Universidad Complutense de Madrid Septiembre 2014 Slide # 1 Índice Introducción Correlación espuria Transformaciones de datos Cointegración Modelos deterministas

Más detalles

INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5

INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ECONOMÍA SISTEMA UNIVERSIDAD ABIERTA PROGRAMA DE INTRODUCCIÓN A LA ECONOMETRÍA Área: Métodos Cuantitativos QUINTO SEMESTRE Carácter: Obligatorio HORA/SEMANA/SEMESTRE

Más detalles

COBERTURA CONTRA LA INFLACION REAL EN ARGENTINA

COBERTURA CONTRA LA INFLACION REAL EN ARGENTINA COBERTURA CONTRA LA INFLACION REAL EN ARGENTINA Fausto Spotorno (Director del Centro de Estudios Económicos de Orlando J. Ferreres y Asociados) Alejandro Aranda (Analista sales and trading MBA-Lazard)

Más detalles

Estimación de la relación PIB desempleo: Nicaragua Estimation of the relationship between GDP and Unemployment: Nicaragua

Estimación de la relación PIB desempleo: Nicaragua Estimation of the relationship between GDP and Unemployment: Nicaragua Estimación de la relación PIB desempleo: Nicaragua 1980 2011 Estimation of the relationship between GDP and Unemployment: Nicaragua 1980-2011 Universidad de las Regiones Autónomas de la Costa Caribe Nicaragüense

Más detalles

DEPARTAMENTO DE ANÁLISIS ECONÓMICO PROGRAMA DE ECONOMÍA POLÍTICA, HOMOLOGACIÓN DEL TÍTULO DE LICENCIADO EN ECONOMÍA

DEPARTAMENTO DE ANÁLISIS ECONÓMICO PROGRAMA DE ECONOMÍA POLÍTICA, HOMOLOGACIÓN DEL TÍTULO DE LICENCIADO EN ECONOMÍA DEPARTAMENTO DE ANÁLISIS ECONÓMICO PROGRAMA DE ECONOMÍA POLÍTICA, HOMOLOGACIÓN DEL TÍTULO DE LICENCIADO EN ECONOMÍA BLANCO, J. M. y J. AZNAR. Introducción a la Economía: Teoría y Práctica. Mc Graw- Hill.

Más detalles

Tema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid 2013

Tema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid 2013 Tema 4: Cuestiones importantes en el Modelo Lineal General (MLG) Universidad Complutense de Madrid 2013 1 Colinealidad (I) La multicolinealidad es un problema que surge cuando las variables explicativas

Más detalles

PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016

PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016 PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016 ECONOMETRIA I Asignatura Carrera Ingeniería Comercial Código 351472 Créditos 7 SCT Tbjo. Directo: 6 hrs. pedag. Tbjo.

Más detalles

Regresión con heterocedasticidad y autocorrelación

Regresión 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 detalles

Economía Aplicada. Modelos con variables dependiente binarias. Departamento de Economía Universidad Carlos III de Madrid

Economía Aplicada. Modelos con variables dependiente binarias. Departamento de Economía Universidad Carlos III de Madrid Economía Aplicada Modelos con variables dependiente binarias Departamento de Economía Universidad Carlos III de Madrid Ver Stock y Watson (capítulo 11) 1 / 28 Modelos con variables dependiente binarias:

Más detalles

ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS

ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS

Más detalles

T4. Modelos con variables cualitativas

T4. 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 detalles

Estadística para la Economía y la Gestión IN 3401 Clase 5

Estadística 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 detalles

Grado en Finanzas y Contabilidad

Grado 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 detalles

EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce

EXAMEN 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 detalles

UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA

UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA UNIVERSIDAD DE VALLADOLID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES DEPARTAMENTO DE ECONOMÍA APLICADA PROYECTO DOCENTE DE ECONOMETRÍA LICENCIATURA: ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CURSO: CUARTO

Más detalles

Examen de Introducción a la Econometría 8 de septiembre de 2008

Examen de Introducción a la Econometría 8 de septiembre de 2008 NOMBRE DNI: GRUPO Firma: MODELO 1: SOLUCIONES Examen de Introducción a la Econometría 8 de septiembre de 008 Sólo una respuesta es válida. Debe justificar la respuesta de cada pregunta en el espacio que

Más detalles

TRABAJO ECONOMETRIA (ETAPAS 1,2 Y 3)

TRABAJO ECONOMETRIA (ETAPAS 1,2 Y 3) 1 UNIVERSIDAD TRABAJO ECONOMETRIA (ETAPAS 1,2 Y 3) NOMBRE ALUMNO: ************** ASIGNATURA: ECONOMETRIA FECHA ENTREGA: 05/12/2011 NOTA=70% 2 1. Introducción La integración comercial de Chile al mundo

Más detalles

Capítulo 6 Multicolinealidad Luis Quintana Romero. Econometría Aplicada Utilizando R

Capítulo 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 detalles

La econometría : una mirada de pájaro

La econometría : una mirada de pájaro La econometría : una mirada de pájaro Contenido Objetivo Definición de Econometría Modelos determinista y estocástico Metodología de la econometría Propiedades de un modelo econométrico Supuestos de un

Más detalles

Contrastes de restricciones lineales y predicción

Contrastes de restricciones lineales y predicción Tema 4 Contrastes de restricciones lineales y predicción Contenido 4.1. Contrastes de restricciones lineales................. 78 4.2. Contrastes utilizando Gretl..................... 80 4.3. Estimación

Más detalles

Modelos Dinámicos. Tema Introducción

Modelos 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 detalles

ANÁLISIS ESTADÍSTICO DE VARIABLES MACROECONÓMICAS EN LA ASIGNATURA DE MACROECONOMÍA I.

ANÁLISIS ESTADÍSTICO DE VARIABLES MACROECONÓMICAS EN LA ASIGNATURA DE MACROECONOMÍA I. ANÁLISIS ESTADÍSTICO DE VARIABLES MACROECONÓMICAS EN LA ASIGNATURA DE MACROECONOMÍA I. MTRA. MARÍA DE LOURDES VARGAS ROJAS. lourdes141255@hotmail.com BUAP. Benemérita Universidad Autónoma de Puebla.Facultad

Más detalles

DIPLOMADO EN ECONOMETRÍA

DIPLOMADO EN ECONOMETRÍA DIPLOMADO EN ECONOMETRÍA Presentación La Coordinación de Educación Continua y Vinculación de la Facultad de Economía inauguró en 1987 el diplomado de Métodos Estadísticos Aplicados a la Economía, que fue

Más detalles

Ejemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)

Ejemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística) Ejemplo 7.1 Heterocedasticidad Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 7.1. Heterocedásticidad 1 / 22 Enunciado.

Más detalles

PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado

PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar

Más detalles

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las

Más detalles

Econometría II Grado en finanzas y contabilidad

Econometría II Grado en finanzas y contabilidad Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias

Más detalles

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso

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

(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 detalles

Econometría de Económicas Ejercicios para el tema 2 y 3

Econometría 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 detalles

Universidad 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 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 detalles

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3

ECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 3 ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 3 Considere la ecuación de inversión RINV t = β 1 +β 2 RPIB t +β 3 r t +u t donde RINV es la inversión real privada, RPIB es el PIB real y r es el tipo de

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

UNIDAD ACADÉMICA COCHABAMBA PLANIFICACIÓN CURRICULAR PARA EL DESARROLLO DE COMPETENCIAS

UNIDAD ACADÉMICA COCHABAMBA PLANIFICACIÓN CURRICULAR PARA EL DESARROLLO DE COMPETENCIAS ualprml UNIDAD ACADÉMICA COCHABAMBA PLANIFICACIÓN CURRICULAR PARA EL DESARROLLO DE COMPETENCIAS CARRERA / DPTO. ASIGNATURA ESTRE SIGLA DOCENTE PERIODO : : : : : : INGENIERÍA COMERCIAL ECONOMETRIA 1 QUINTO

Más detalles

Introducción a la Econometría Capítulo 4

Introducción a la Econometría Capítulo 4 Introducción a la Econometría Capítulo 4 Ezequiel Uriel Jiménez Universidad de Valencia Valencia, Septiembre de 2013 4.1 El contraste de hipótesis: una panorámica 4.2 Contraste de hipótesis utilizando

Más detalles

LOS RENDIMIENTOS DE LA EDUCACIÓN EN ESPAÑA

LOS RENDIMIENTOS DE LA EDUCACIÓN EN ESPAÑA LOS RENDIMIENTOS DE LA EDUCACIÓN EN ESPAÑA Josep Ll. Raymond UAB Referencias: Es rentable educarse?, J. L. Raymond et al, Estudios en la Fundación, Funcas 2011 Rentabilidad privada y fiscal de le educación

Más detalles

CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE

CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE El objetivo de este curso es la presentación de las técnicas econométricas básicas, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas

Más detalles

PORQUE LA ECONOMIA YA NO CRECE COMO EN LOS 60-70?.

PORQUE LA ECONOMIA YA NO CRECE COMO EN LOS 60-70?. PORQUE LA ECONOMIA YA NO CRECE COMO EN LOS 60-70?. La creciente apertura externa de la economía nicaragüense no deja de ser fuente de problemas y preocupaciones, en la medida en que porcentajes crecientes

Más detalles

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

ANÁLISIS 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

Econometría II Grado en finanzas y contabilidad

Econometría II Grado en finanzas y contabilidad Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es

Más detalles

Modelo de Regresión Lineal Múltiple

Modelo de Regresión Lineal Múltiple Tema 3 Modelo de Regresión Lineal Múltiple Contenido 3.1. Introducción. Un ejemplo...................... 52 3.2. Estimación de Mínimos Cuadrados Ordinarios utilizando Gretl. 54 3.3. Análisis de los resultados

Más detalles

Variables Cualitativas

Variables Cualitativas Tema 7 Variables Cualitativas Contenido 7.1. Introducción. Un ejemplo...................... 118 7.2. Modelo con una variable cualitativa................ 118 7.2.1. Incorporación de variables cuantitativas.............

Más detalles

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial

Más detalles

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Pruebas selectivas para el ingreso en el Cuerpo Superior de Estadísticos del Estado. Orden ECC/1517/2015, de 16 de Julio (BOE 27/07/2015).

Más detalles

SPSS Aplicación práctica: Base de datos del HATCO

SPSS Aplicación práctica: Base de datos del HATCO Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de

Más detalles

Errores de especificación. Series simuladas

Errores de especificación. Series simuladas Estimación modelo correcto Dependent Variable: Y Date: 05/13/02 Time: 17:07 Sample: 2 100 Included observations: 99 Errores de especificación. Series simuladas C 5.376164 0.253524 21.20578 0.0000 X1 0.954713

Más detalles

TEMA 4 Modelo de regresión múltiple

TEMA 4 Modelo de regresión múltiple TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.

Más detalles

TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)

TODO 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 detalles

EJERCICIOS RESUELTOS DE ECONOMETRÍA CON GRETL

EJERCICIOS 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 detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Lucila Finkel Temario

Lucila Finkel Temario Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión

Más detalles

PRINCIPIOS DE ECONOMETRÍA

PRINCIPIOS DE ECONOMETRÍA PRINCIPIOS DE ECONOMETRÍA 2009-2010 I. IDENTIFICACIÓN Asignatura: Duración: Titulación: Ciclo: Departamento: Profesor: Principios de Econometría Semestral (Primer semestre) Licenciatura en Economía Primer

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. Prólogo a la Segunda Edición INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.

Más detalles

Diplomado en Estadística Aplicada

Diplomado en Estadística Aplicada Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad

Más detalles

MODELO ECONOMETRICO DE VENTA DE CAMIONETAS

MODELO ECONOMETRICO DE VENTA DE CAMIONETAS MODELO ECONOMETRICO DE VENTA DE CAMIONETAS Nombre: Evelyn Neira Cinthya Toledo Macarena Candia Fecha: 10 de Mayo 2012 Asignatura: Econometría Profesor: Pablo Quezada Introducción El mercado de vehículos

Más detalles

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados

Más detalles

Examen 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 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 detalles

Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears

Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza

Más detalles

CUERPO TÉCNICO, OPCION ESTADISTICA

CUERPO TÉCNICO, OPCION ESTADISTICA CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

Modelo de regresión lineal aplicado al análisis regional

Modelo de regresión lineal aplicado al análisis regional Universidad Autonoma de Ciudad Juarez From the SelectedWorks of Isaac Sánchez-Juárez Winter December 31, 2014 Modelo de regresión lineal aplicado al análisis regional Isaac Sánchez-Juárez, Universidad

Más detalles

AHORRO Y CRECIMIENTO ECONÓMICO: EVIDENCIA EMPÍRICA DE CAUSALIDAD PARA EL PERÍODO

AHORRO Y CRECIMIENTO ECONÓMICO: EVIDENCIA EMPÍRICA DE CAUSALIDAD PARA EL PERÍODO AHORRO Y CRECIMIENTO ECONÓMICO: EVIDENCIA EMPÍRICA DE CAUSALIDAD PARA EL PERÍODO 1970-2002 AUTORES: Julio César Tomalá González 1 Manuel P. González Astudillo 2 1 Economista en Gestión Empresarial, Especialización

Más detalles

GRADO : ADE ASIGNATURA: ECONOMETRÍA I. Curso: 2 Cuatrimestre: 2 Asignaturas que se recomienda tener superadas: Estadística I y II

GRADO : ADE ASIGNATURA: ECONOMETRÍA I. Curso: 2 Cuatrimestre: 2 Asignaturas que se recomienda tener superadas: Estadística I y II FICHA DESCRIPTIVA DE LA ASIGNATURA GUIA DOCENTE Curso Académico 2012/2013 GRADO : ADE ASIGNATURA: ECONOMETRÍA I Módulo Materia Ampliaciones de Métodos Cuantitativos Econometría Créditos 6 Ubicación Carácter

Más detalles

UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS ECONÓMICAS CARRERA INGENIERIA FINANCIERA

UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS ECONÓMICAS CARRERA INGENIERIA FINANCIERA UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS ECONÓMICAS CARRERA INGENIERIA FINANCIERA INTEGRANTES: ORELLANA ALARCON DIEGO SEJAS PARDO ROBERTO MATRIA: DOCENTE: GRUPO: 07 FECHA: 08/07/2014 COCHABAMBA

Más detalles

Tema 1. Introducción: el modelo econométrico

Tema 1. Introducción: el modelo econométrico 1. Introducción. a. Qué es la econometría? b. Metodología en Econometría Gujarati, Econometría (2004) páginas 1 a 11 c. Terminología y notación d. Clasificación de los modelos econométricos 1 1. Introducción

Más detalles

Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López

Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,

Más detalles

GUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE.

GUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE. ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA. PROPIEDADES DE LOS ESTIMADORES MCO Bibliografía apartados.1,. y.3: Greene, 6.6.1, 6.6.3

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

Regresión Lineal Múltiple

Regresión Lineal Múltiple Universidad Nacional Agraria La Molina 2011-2 Efectos de Diagnósticos de Dos predictores X 1 y X 2 son exactamente colineales si existe una relación lineal tal que C 1 X 1 + C 2 X 2 = C 0 para algunas

Más detalles

4.1. El concepto de autocorrelación y su modelización

4.1. 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 detalles

ECONOMETRÍA 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 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 detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción

Más detalles

Hoja de Ejercicios 3 El modelo de regresión lineal múltiple

Hoja 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 detalles