CURSO ECONOMETRÍA AVANZADA MULTISOFTWARE

Transcripción

1 CURSO ECONOMETRÍA AVANZADA MULTISOFTWARE El objetivo de este curso es la presentación de las TÉCNICAS ECONOMÉTRICAS AVANZADAS, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas de cálculo automatizado. Se utilizarán los paquetes de software más habituales, como son EVIEWS, STATA, SAS, SPSS y STATGRAPHICS, para abordar del modo más sencillo posible el trabajo econométrico avanzado. El contenido del curso comienza con el tratamiento de los modelos de elección discreta, recuento, censurados, truncados y de selección muestral. A continuación se tratan los modelos dinámicos, la estabilidad de modelos, el cambio estructural, las raíces unitarias y la cointegración. El siguiente bloque de contenido se ocupa de los modelos lineales y no lineales multiecuacionales, así como de los modelos de ecuaciones simultáneas. A continuación se aborda el trabajo con los modelos multivariantes de series temporales (incluyendo modelos VAR, BVAR, VARX y VARMA), modelos de datos de panel (incluyendo paneles de efectos fijos y aleatorios, raíces unitarias y cointegración en paneles). Por último, se tratan modelos predictivos de clasificación y segmentación y el tratamiento de modelos econométrícos con herramientas de minería de datos. El temario exhaustivo del curso se especifica a continuación: Capítulo 1. Modelos de elección discreta, recuento, censurados, truncados y de selección muestral Modelos de elección discreta Modelos de elección discreta binaria Modelo lineal de probabilidad Modelos Probit y Logit Modelos de elección múltiple Modelo logit multinomial Modelo Probit multinomial Modelo de datos de recuento Modelo de Regresión de Poisson Modelo de Regresión de Binomial Negativa Modelo de Regresión Exponencial Modelo de Regresión Normal Modelos censurados. El modelo Tobit Interpretación de los coeficientes en el modelo Tobit Efectos parciales en el modelo Tobit Modelo Tobit con censura en los datos Estimación máximo verosímil (MV) del modelo Tobit censurado Estimación por mínimos cuadrados ordinarios en dos etapas del modelo Tobit censurado Selección muestral. Modelos truncados

2 Estimación del modelo Tobit truncado Efectos parciales en el modelo Tobit truncado Estimación máximo verosímil (MV) del modelo Tobit truncado Estimación por el método de Amemiya en dos etapas Corrección de la selección muestral: estimación bietápica de Heckman o Heckit Consideraciones sobre los modelos de variable dependiente limitada Modelos Logit y Probit ordenados Modelos de duración, fallos y supervivencia Tablas de vida Estimaciones paramétricas y no paramétricas de la función de supervivencia Modelos de regresión con datos de vida Modelo de supervivencia de Cox Capítulo 2. Herramientas para modelos Logit, Probit, Tobit, recuento, duración y selección muestral SPSS y la regresión logística binaria SPSS y el modelo Probit SPSS y el modelo Logit multinomial SPSS y los modelos de duración y supervivencia Procedimiento Tablas de mortalidad Estimaciones no paramétricas de la función de supervivencia. Procedimiento Kaplan-Meier Regresión de Cox y covariable dependiente del tiempo SAS y la regresión logística. PROC LOGISTIC SAS y el modelo Probit: Procedimiento PROBIT SAS y el modelo Tobit de regresión censurada: Procedimiento LIFEREG SAS y el modelo de supervivencia no paramétrico: Procedimiento LIFETEST SAS y el modelo de supervivencia de Cox: Procedimiento PHREG STATGRAPHICS y el modelo de regresión logística STATGRAPHICS y el modelo Probit STATGRAPHICS y el modelo de regresión de Poisson Modelos de variable dependiente limitada con Eviews: MLP, Logit y Probit. Modelos de recuento con Eviews: Poisson, binomial negativa y exponencial Modelos Tobit censurado y truncado con Eviews. Método de Heckman y Ratio de Mills Modelos de variable dependiente limitada con STATA: Logit y Probit Modelos Tobit censurado y truncado con STATA. Método de Heckman y Ratio de Mills Modelo de Poisson con STATA Capítulo 3. Modelos dinámicos Modelos dinámicos Modelos dinámicos con retardos en las variables exógenas Modelos dinámicos con retardos en la variable endógena Modelos dinámicos con retardos en la variable endógena y en las variables exógenas simutáneamente Tipos especiales de modelos dinámicos

3 Modelos con retardos distribuidos finitos Modelos con retardos distribuidos infinitos EVIEWS y los modelos dinámicos específicos SPSS y los modelos dinámicos SPSS y los modelos dinámicos con regresores estocásticos. variables instrumentales EVIEWS y los modelos dinámicos con regresores estocásticos. variables instrumentales SAS y los modelos dinámicos Capítulo 4. Estabilidad de modelos. Cambio estructural, raíces unitarias y cointegración Estabilidad estructural en modelos econométricos Parámetros constantes en el tiempo y contraste de predicción de Chow Cambio estructural y contraste de Chow Residuos recursivos: contrastes basados en estimación recursiva Contrastes CUSUM y CUSUMQ Modelos inestables: regresiones espúrias Series temporales estacionarias. Detección de la estacionariedad Series temporales estacionales. Detección de la estacionalidad Tests de raíces unitarias Tests de Dickey-Fuller de las raíces unitarias Test de Phillips-Perron de las raíces unitarias Modelos estables en el largo plazo: análisis de la cointegración Test de Phillips-Oularis para la cointegración Modelos de corrección por el error MCE Raíces unitarias y cointegración en series estacionales Raíces unitarias y cointegración en series con cambio estructural Estacionariedad y estacionalidad con EVIEWS Raíces unitarias, cointegración y cambio estructural con EVIEWS Raíces unitarias, cointegración y cambio estructural con SAS Estacionariedad y estacionalidad con SPSSS Capítulo 5. Modelos lineales multiecuacionales. Ecuaciones simultáneas Modelos lineales multiecuacionales. Forma estructural y ecuaciones simultáneas Modelo multiecuacional en forma reducida Identificación de modelos lineales de ecuaciones simultáneas. Estimación MCI Estimación de modelos lineales de ecuaciones simultáneas Mínimos cuadrados indirectos Variables instrumentales Mínimos cuadrados bietápicos Modelos recursivos Máxima verosimilitud con información limitada Máxima verosimilitud con información completa Estimadores de clase k y mínimos cuadrados trietápicos Método RANR o SUR Métodos robustos a la heteroscedasticidad: White y HAC Modelos de ecuaciones simultáneas con series temporales Eviews y los sistemas de ecuaciones simultáneas SAS y los sistemas de ecuaciones simultáneas lineales: Procedimientos SYSLYN y MODEL

4 Capítulo 6. Modelos multivariantes de series temporales: VAR, VARX, VARMA y BVAR. Cointegración Modelos de vectores autorregresivos (VAR) Identificación en modelos VAR Estimación de un modelo VAR Modelos VARMA Cointegración en modelos VAR. Test de Johansen Eviews y los modelos VAR. Test de Johansen Estimación de modelos VAR en Eviews a través de menús Cointegración en modelos VAR en Eviews a través de menús Modelo de vector de corrección del error en modelos VAR con Eviews SAS Y los modelos VAR. Contrastes de causalidad y cointegración. Test de Johansen Contraste de Johansen en modelos VAR con SAS Modelo de vector de corrección del error en modelos VAR con SAS Modelos VAR con variables exógenas (VARX) en SAS Capítulo 7. Econometría de los datos datos de panel. Raíces unitarias y cointegración en paneles Modelos econométricos con datos de panel Regresión con datos de panel Modelos de panel con coeficientes constantes Modelos de panel de efectos fijos Modelos de panel de efectos aleatorios Modelos dinámicos con datos de panel Raíces unitarias y cointegración con datos de panel Eviews y los modelos de series temporales con datos de panel SPSS y los modelos de series temporales con datos de panel SAS y los modelos de series temporales con datos de panel EVIEWS y los modelos dinámicos con datos de panel. Metodología de Arellano y Bond EVIEWS y los contrastes de raíces unitarias con datos de panel. cointegración en paneles SAS y los contrastes de raíces unitarias con datos de panel. cointegración en paneles Capítulo 8. Modelos y sistemas no lineales. Regresión particionada y segmentada Modelos no lineales Mínimos cuadrados no lineales. Algoritmos de Newton y Marquardt Regresión particionada Regresión por tramos o segmentada SPSS y la estimación no lineal y segmentada SAS y la estimación no lineal. Procedimiento NLIN SAS y los modelos de ecuaciones simultáneas no lineales. Procedimiento MODEL Eviews y los modelos de ecuaciones no lineales

5 Capítulo 9. Modelos predictivos de clasificación y segmentación Modelos predictivos El análisis discriminante como técnica de clasificación y segmentación Hipótesis en el modelo discriminante Estimación del modelo discriminante Contrastes de significación en el modelo discriminante Selección de variables discriminantes Interpretación de la función discriminante Clasificación de los individuos Análisis discriminante canónico Los árboles de decisión como técnica predictiva de clasificación Características de los árboles de decisión Herramientas para el trabajo con árboles de decisión Árboles CHAID Árboles CART Árboles QUEST El análisis cluster como técnica de clasificación y segmentación Medidas de similitud Técnicas en el análisis cluster Clusters jerárquicos, secuenciales, aglomerativos y exclusivos (S.A.H.N.) 391 El dendograma en el análisis cluster jerárquico Análisis cluster no jerárquico SPSS y el análisis discriminante Capítulo 10 Modelos econométricos con herramientas de minería de datos Técnicas de minería de datos Técnicas predictivas para la modelización econométrica Técnicas predictivas de modelización con SAS Enterprise Miner Técnicas predictivas de modelización con SPSS Clementine