ECONOMETRÍA Fortino Vela Peón L-240 (EXT. 3432) Enero, 2012

Transcripción

1 ECONOMETRÍA Fortino Vela Peón L-240 (EXT. 3432) Enero, 2012

2 Descripción En este curso se desarrollan técnicas de regresión lineal que permiten cuantificar relaciones entre variables, contrastar hipótesis y predecir valores futuros de ciertas variables en función del modelo considerado. El curso tiene un carácter aplicado y se aprende a utilizar Stata.

3 Objetivos Ofrecer los elementos básicos vinculados a las técnicas de regresión lineal simple y múltiple Dotar del manejo básico del Stata para poder llevar a cabo un análisis empírico basado en los conocimientos teóricos adquiridos.

4 Temario Tema Contenido 1 Conceptos básicos 2 Modelo de Regresión Lineal Simple 3 Modelo de Regresión Lineal Múltiple 4 El Modelo de Regresión Lineal Simple y Múltiple con Stata 5 Contrastes de restricciones lineales y predicción 6 Errores en la especificación 7 Multicolinealidad 8 Variables cualitativas 9 Diagnóstico del modelo

5 Tema 1. Conceptos básicos 1.- Introducción. 2.- Qué es el análisis de regresión (lineal)? 3.- Preeliminares estadísticos. 4.- Análisis de datos: introducción a Stata

6 Tema 2. Modelo de regresión lineal simple (MRLS) 1.- Introducción. 2.- Elementos del modelo de regresión simple. 3.- Supuestos del modelo. 4.- Estimación por mínimos cuadrados ordinarios. 5.- Contrastes de hipótesis e intervalos de confianza. 6.- Resumen y ejemplos.

7 Tema 3. MRLS y MRLM con Stata 1. Ejemplo 2. Estimación por mínimos cuadrados ordinarios utilizando Stata 3. Análisis de los resultados mostrados 4. Bondad de ajuste y selección de modelos 5. Contrastes de hipótesis e intervalos de confianza con Stata. 6. Presentación de los resultados.

8 Tema 4. Contrastes de restricciones lineales y predicción 1.- Contrastes de restricciones lineales. 2.- Contrastes utilizando Stata. 3.- Estimación bajo restricciones lineales. 4.- Estadísticos equivalentes. 5.- Predicción.

9 Tema 5. Errores de especificación 1.- Introducción. 2.- Efectos de omisión de variables relevantes. 3.- Efectos de inclusión de variables irrelevantes.

10 Tema 6. Multicolinealidad 1.- Multicolinealidad perfecta. 2.- Multicolinealidad de grado alto. 3.- Identificación con Stata.

11 Tema 7. Variables cualitativas 1.- Introducción. Un ejemplo. 2.- Modelo con una variable cualitativa. 3.- Modelo con dos o más variables cualitativas. 4.- Contraste de cambio estructural. 5.- Implementación en Stata.

12 Tema 8. Diagnóstico del modelo 1.- Introducción. Un ejemplo. 2.- Modelo con una variable cualitativa. 3.- Modelo con dos o más variables cualitativas. 4.- Contraste de cambio estructural. 5.- Implementación en Stata.

13 Bibliografía James y Mark W. Watson (2002). Introduction to Econometrics, Addison-Wesley-Pearson, Estados Unidos / S8642in /13016/ cw/index.html Kutner Michael H. et. al. (2005). Applied Linear Statistical Models, 5ª. ed., McGraw-Hill, Singapur /www/nachtsheim/5th/ Gujarati, Damodar y Dawn Porter (2010). Econometría, 5ª. ed., McGraw-Hill, México / G969e/ iew0/data_sets.html Fox, John (2008). Applied Regression Analysis and Generalized Linear Models, 2ª. ed., Sage, Estados Unidos. ox/books/applied-regression- 2E/datasets/index.html Bowerman, Bruce L.; Richard T. O Connell et al. (2007). Pronósticos, series de tiempo y regresión: Un enfoque aplicado, CENGAGE, México. etail.php?isbn=

14 Metodología Se pone a disposición de los alumnos un conjunto de notas o lecturas que apoyan los contenidos del curso. ceconometria.wordpress.com Preferentemente se emplearan datos disponibles para su utilización en el programa Stata.

15 Tema 1. Conceptos básicos F. VELA / J. F. ISLAS

16

17

18

19 Clasificación de las variables Nivel de medición Discretas Continuas Escala de medición Nominales Ordinales Intervalo Continuas Función en la investigación Dependiente(s) Independiente(s) Grado de abstracción Conceptuales o abstractas Intermedias Empíricas u observables

20 Escalas de medición de las variables Nominales: nombres o clasificaciones que se utilizan para datos en categorías distintas y separadas. Ordinales: son las que clasifican las observaciones en categorías con un orden significativo. Intervalo: medidas numéricas en la cual el valor cero es arbitrario pero la diferencia entre valores es importante. Razón: medidas numéricas en las cuales el valor cero es un valor fijo y la diferencia entre valores es importante.