COORDINACIÓN DE POSGRADOS CARRERA: MAESTRÍA GENERACIÓN Y ANÁLISIS DE INFORMACIÓN ESTADÍSTICA

Transcripción

1 Pagina 1 Maestría en Generación y Análisis de Información Estadística COORDINACIÓN DE POSGRADOS CARRERA: MAESTRÍA GENERACIÓN Y ANÁLISIS DE INFORMACIÓN ESTADÍSTICA CICLO DE: Orientación en Estadísticas Económicas MATERIA: SEMINARIO Econometría Aplicada y Actualización en STATA AÑO: 2017 CUATRIMESTRE: Segundo NOMBRE Y APELLIDO DOCENTE TITULAR: Mariano PEREIRA DOCENTE ADJUNTO: - DOCENTE INVITADO: - OBJETIVOS: Estudiar temas relacionados con la aplicación de métodos econométricos modernos a partir del programa STATA para representar el comportamiento de unidades económicas individuales a partir de datos de la Encuesta Permanente de Hogares (EPH-INDEC) y la Encuesta Nacional de Dinámica de Empleo e Innovación (MTSS-MINCyT) CONTENIDOS a- CONTENIDOS MINIMOS DE LA ASIGNATURA Los métodos econométricos aplicados al análisis de datos micro y macroeconómicos tienen como propósito modelar las decisiones individuales para identificar el efecto causal que tiene un conjunto de características observables sobre esas decisiones individuales.

2 Pagina 2 A partir del análisis estadístico y la teoría económica, los modelos econométricos cuantifican la relación existente entre un conjunto de variables económicas y son utilizados para explicar la economía de un agente económico (como un individuo, una empresa o un consumidor), o la de un agregado de agentes económicos, como podría ser un sector del mercado, o una zona de un país, o todo un país, o cualquier otra zona económica; su evolución en el tiempo (por ejemplo, decir si ha habido o no cambios estructurales), poder predecir futuros valores de la variables, y sugerir medidas de política económica conforme a objetivos deseados (por ejemplo, para poder aplicar técnicas de optimización para determinar la asignación óptima de recursos en educación, o bien para decidir qué valores debería adoptar la política fiscal de un gobierno para conseguir ciertos niveles de recaudación impositiva). La econometría y la economía tienen como objetivo explicar el comportamiento de una variable económica en función de otras. Esto implica que el punto de partida para el análisis econométrico es el modelo económico y este se transformará en modelo econométrico cuando se hayan añadido las especificaciones necesarias para su aplicación empírica. Esto es, cuando se han definido las variables (endógenas y exógenas) que explican y determinan el modelo, los parámetros estructurales que acompañan a las variables, las ecuaciones y su formulación en forma de esperanza matemática, el término aleatorio que explica la parte no sistemática del modelo y los datos estadísticos. En síntesis los modelos econométricos son útiles para: Análisis estructural y entender cómo funciona el mercado. Predicción de los valores futuros de las variables económicas. Simular con fines de planificación distintas posibilidades de las variables exógenas. Simular con fines de control valores óptimos de variables instrumentales de política económica. En relación con otros programas de estadística y econometría que cuentan principalmente con un formato de íconos (SPSS, Eviews, etc), el aprendizaje de Stata mediante el uso de comandos tiene un costo relativamente alto, al menos en principio. Este curso introductorio a los métodos econométricos modernos pretende minimizar dichos costos, haciendo hincapié en el uso de los comandos más útiles para aquellos potenciales usuarios que tengan la intención de hacer de Stata su programa estadístico de uso diario. Por otro lado Stata ofrece dos opciones para realizar análisis estadístico. La primera opción es la tradicional que hace uso de las ventanas que ya cuentan con funciones y opciones predeterminadas (formato de íconos). La segunda opción hace uso del lenguaje de comandos ingresados a partir de la interfase de comandos del programa. A lo largo del curso predominará esta segunda opción, presentando al mismo tiempo la forma alternativa de realizar los ejercicios a través de las ventanas. Se ha decidido adoptar este enfoque de comandos dado que los beneficios asociados a este tipo de uso es uno de los principales atractivos del programa Stata en relación a otros programas de estadística y econometría.

3 Pagina 3 La ventaja principal de trabajar con el lenguaje del programa reside en el hecho de que permite al usuario construir rutinas (do-files) con el tipo de análisis que realiza y, a partir de las mismas, sistematizar el trabajo sin necesidad de escribir nuevamente las operaciones o acceder a las mismas a través de las ventanas. Asimismo el programa ofrece ventajas adicionales en relación al resto de los programas de estadística, a saber: (1) la red internacional de usuarios que utilizan el programa y de la cual Stata se alimenta sin costo alguno con las rutinas y programas escritos por esta red de usuarios; (2) el programa se especializa en grandes bases de datos, permitiendo todo tipo de ajustes y análisis de datos de estructuras variadas; y (3) los módulos de econometría de series de tiempo del programa han incorporado con el correr de los años los principales avances de esta disciplina. Se utilizarán distintos sistemas audiovisuales y material de lectura (libros en formato digital), los cuales serán entregados a los participantes en formato electrónico. b- PROGRAMA ANALÍTICO Estructura de Comandos y Operadores Sintaxis básica Ejemplo: comando summarize Ejemplo: comando regress Operadores lógicos Archivos Do y Archivos Log Edición y ejecución de Archivos Do Archivos Log Proceso de tres etapas Uso de Resultados de Comandos de Stata Tipo return list: summarize Tipo ereturn list: regress Uso de Macros Globales y Locales Macro Global Macro Local Comandos para Looping Loop foreach Loop forvalues Loop while Manejo de Bases de Datos I Tipo de Variables Formato de Texto o ASCII Formato Numérico Formato Caracter Ingreso de Datos

4 Pagina 4 Principio General Ingreso de Datos en formato Stata Ingreso de Datos en otro formato Errores comunes Manejo de Datos de Encuesta EPH-INDEC Versión Contínua Etiquetas y Rótulos para Variables Visualización de los Datos Valores Missing Imputación de Valores Missing Transformación de Variables (generate, replace, egen y recode) Filtrado Manejo de Bases de Datos II Manipulación de Bases de Datos Orden de Registros y Variables Comando preserve y restore Formato wide y Formato long de la Base Fusión de bases de datos (merge y append) Módulo para Gráficos Comandos para Gráficos Creación de Gráficos (twoway) Grabación y Exportación de Gráficos Combinación de Gráficos Ejemplos Tipo de Gráficos Diagrama de Caja y Bigote Histograma Estimación de Densidades: Kernel Gráficos Solapados Regresión Lineal I Estadísticas Descriptivas Descripción de Variables Representación Tabular Contraste de Hipótesis Representación Gráfica Regresión en Niveles y Logaritmos Teoría Básica de Regresión Regresión por OLS y Algebra Matricial Propiedades del Estimador Mínimo Cuadrático Heterocedasticidad y Errores Estándar Robustos Regresión usando Logaritmos

5 Pagina 5 Regresión Lineal II Análisis Básico de Regresión Correlación Uso del Comando regress Contraste de Hipótesis Estructurales Tablas y Salidas de Regresión Contraste de Hipótesis Estructurales Análisis de Especificación Especificación y Diagnóstico del Modelo Diagnóstico Residual Valores Atípicos y Casos Influyentes Contraste de Variables Omitidas Contraste por Heterocedasticidad Contraste de Forma Funcional Regresión Lineal III Teoría de la Predicción Predicción in-sample Efectos Marginales Predicción en Logaritmos: problema de re-transformación Ejercicios de Aplicación Ponderadores Muestrales Factores de Expansión Regresión Ponderada Predicción Ponderada Variables Instrumentales Estrategia de Identificación Requisitos de un instrumento Utilización de un instrumento Ejemplo: Relación entre productividad y exportaciones y gravity models. Aplicación: evaluación de becas de estímulo a investigadores Mínimos Cuadrados en Dos Etapas Implicancias de un instrumento débil Aplicación: retornos a la educación METODOLOGIA El curso tendrá una modalidad teórico-práctica. REQUISITOS PARA LA APROBACIÓN DE LA MATERIA Para la aprobación del curso es necesario cumplimentar el 75% de asistencia presencial y aprobar un trabajo práctico final.