Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa

Módulo/Materia

Econometría.

Subir

Descripción/Contenidos

El objetivo de esta asignatura es presentar los principales aspectos de la modelización económica a través del caso concreto de los Modelos de Regresión. Se hace un recorrido por las etapas de la modelización: Especificación, estimación, validación y utilización de modelos (predicción y análisis estructural). Los contenidos incluyen aspectos específicos del Modelo Lineal General: estimación de los parámetros, intervalos y regiones de confianza. Contrastes de significatividad y de restricciones. Predicciones y su validez. Contrastes de permanencia estructural. Violación de hipótesis básicas: multicolinealidad, heteroscedasticidad y autocorrelación. Presencia de observaciones atípicas. En cada uno de estos supuestos se estudia la detección del problema, las posibles formas de solucionarlo y la interpretación de las nuevas estimaciones. Especial atención merecen los aspectos gráficos y la interpretación de resultados en términos económicos.

Subir

Descriptores

Modelización económica.  Tipos de relaciones y tipos de modelos.  Especificación e Hipótesis del Modelo de Regresión. Estimación. Validación y Análisis de residuos. Predicción. Posibles incumplimientos de hipótesis.

Subir

Competencias genéricas

CB1 Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o técnica

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CG01 Capacidad de análisis y síntesis

CG03 Comunicación oral y escrita en la lengua nativa 

CG05 Conocimientos de informática relativos al ámbito de estudio

CG06 Habilidad para analizar y buscar información proveniente de fuentes diversas

CG07 Capacidad para la resolución de problemas

CG08 Capacidad de tomar decisiones

CG09 Capacidad para trabajar en equipo

CG10 Trabajo en un equipo de carácter interdisciplinar

CG15 Compromiso ético en el trabajo

CG16 Trabajar en entornos de presión

CG17 Capacidad de aprendizaje autónomo

CG22 Motivación por la calidad

Subir

Competencias específicas

CE02 Identificar las fuentes de información económica relevante y su contenido

CE03 Derivar de datos microeconómicos y macroeconómicos información relevante imposible de reconocer por no profesionales

CE04 Utilizar criterios profesionales para el análisis económico, preferiblemente aquellos basados en el manejo de instrumentos técnicos

CE05 Emitir informes de asesoramiento sobre situaciones concretas de empresas y mercados

CE06 Redactar proyectos de gestión global o de áreas funcionales de la empresa

Subir

Resultados aprendizaje

R18: Modelos de Regresión Simple y de Variables Explicativas.

Se espera que, al finalizar la asignatura los estudiantes sean capaces de  trasladar al lenguaje matemático problemas concretos del ámbito de la economía y la empresa, utilizando para ello los modelos econométricos.

El alumno debe saber evaluar qué tipo de modelo econométrico es el más apropiado para cada situación; qué tipo de datos y qué requisitos deben cumplir éstos para poder llevar a cabo las fases de especificación, estimación y validación del modelo.

Tras cursar la asignatura los estudiantes deben haber adquirido habilidades en el uso del software estadístico, especialmente en los aspectos de estimación y validación, así como en la presentación de resultados; no sólo en los aspectos estadístico-econométricos sino en los términos propios del problema concreto que se esté abordando.

En definitiva se  espera que los estudiantes sepan utilizar los conocimientos de Econometría como herramienta en la toma de decisiones.

Subir

Metodología

Actividades formativas

A1- Clases teóricas 

Exposición en clase de los contenidos teóricos del curso. Participación de los estudiantes a través de preguntas del profesor o exposiciones que resuman la clase anterior.

A2- Prácticas 

Clases con ordenador en las que se realizarán ejercicios para afianzar contenidos teóricos y otros más aplicados con datos reales o realistas. Uso de bases de datos y de paquetes econométricos (GRETL). Participación del estudiante a través de entregas de ejercicios.

A3- Pruebas evaluables

Realización de pruebas de carácter presencial y evaluables. Interacción teoría - práctica. Realización de ejercicios teóricos de tipo test o abiertas y problemas prácticos similares a los propuestos en clase de ordenador. 

A4-Tutorías individualizadas o en grupos reducidos

Sesiones de trabajo personalizadas profesor-alumno o entre el profesor y un grupo reducido de alumnos.

A5- Estudio personal

A6- Examen

Subir

Evaluación

Subir

Temario

BLOQUE I: Modelos Econométricos

Tema 1: Introducción: El modelo econométrico

1. Introducción
2. ¿Qué es la econometría?
3. Metodología en Econometría
4. Terminología y notación
5. Clasificación de los modelos econométricos

Tema 2: El modelo lineal simple (MLS)

1. Introducción al modelo econométrico lineal simple
2. Hipótesis Básicas del Modelo
3. Modelo estimado o función de regresión muestral
4. Estimadores de Mínimos Cuadrados Ordinarios (MCO)
5. Propiedades de los estimadores
6. Especificación del modelo (modelos linealizables)
7. Calidad del ajuste del modelo
8. Inferencia en el MLS
   a. Intervalos de confianza y contrastes de significación individual
   b. Predicción
9. Validación del modelo: Análisis gráfico de los residuos

Tema 3: El modelo lineal general (MLG)

1. Introducción al MLG
2. Hipótesis básicas en el MLG
3. Estimadores MCO y sus propiedades
4. Variables Dummy
5. Inferencia: Intervalos de confianza y contrastes de significatividad individual
6. Calidad de ajuste del MLG
7. Validación en el MLG
1. Contraste del ANOVA
2. Contrastes de significatividad individual
3. Gráficos de residuos
8. Inferencia: Predicción
9. Profundizando en la Inferencia y en la Validación
   1. Contrastes de restricciones lineales
   2. Regiones de confianza
   3. Permanencia estructural: test de capacidad predictiva
   4. Permanencia estructural: test de CHOW
10. Transformaciones en el MLG: Cambios de escala y modelos linealizables

BLOQUE II: Incumplimiento de Hipótesis en el MLG

Tema 4: Multicolinealidad

1. Naturaleza de la multicolinealidad
2. Estimación del MLG en presencia de multicolinealidad
3. Consecuencias de la presencia de multicolinealidad casi perfecta
4. Detección de la multicolinealidad
5. Medidas correctivas de la multicolinealidad

Tema 5: Soluciones a los problemas de heteroscedasticidad y autocorrelación

1. Introducción
2. Naturaleza de la heterocedasticidad
3. Detección de la heterocedasticidad
4. Naturaleza de la Autocorrelación
5. Detección de Autocorrelación
6. Estimadores de Mínimos Cuadrados Generalizados (MCG)

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.

La referencia principal del curso serán los libros:

Gujarati, D.N. y D.C. Porter (2009): "Econometría" Ed. Mc Graw Hill

Wooldridge, J.M. (2006): "Introducción a la econometría: un enfoque moderno". Thomson.

Otros textos alternativos que pueden ser de utilidad son:

Stock J.H., Watson M.M. (2012): "Introducción a la Econometría". Ed. Pearson

Novales, A. (1998): "Econometría". Ed. McGraw-Hill

Subir

Idiomas

Castellano.

Subir

Lugar de impartición

Aula de clase y sala de ordenadores.

Subir