Académique Documents
Professionnel Documents
Culture Documents
SLABO
EO3229
1.
Sumilla
Modelo lineal general. Inferencia del modelo lineal. Pruebas de hiptesis. Modelo en
desviaciones de media. Violacin de los supuestos de la regresin clsica. La
multicolinealidad. Modelos con variables cualitativas, variables Dummy. Variables
dependientes rezagadas. Modelos con rezagos distribuidos. Modelos con errores en las
variables. Mnimos cuadrados generalizados: Heteroscedasticidad. Autocorrelacin.
Estimacin y prediccin. Modelo de ecuaciones simultneas: Mtodos de estimacin.
Mnimos cuadrados indirectos. Variables instrumentales. Mnimos cuadrados en dos y
tres etapas.
2.
Objetivos
Proporcionar al estudiante la formacin terica y prctica para disear e implementar
estudios que involucren modelos de regresin, as como leer, entender, analizar, evaluar
y aplicar la literatura que use el anlisis del modelo de regresin lineal.
Que el alumno sea capaz de aplicar la teora estadstica y economtrica para el anlisis y
resolucin de los problemas de la economa en general.
Al concluir el semestre el alumno elaborar una monografa (que ser objeto de
exposicin), en la cual muestre un adecuado balance entre los fundamentos de la teora
econmica y el uso de las tcnicas y mtodos que se desarrollaron en el curso.
210-D
ECONOMETRA I
Teora: 4
Prctica: 2
5
Estadstica III; Macroeconoma I
2015
CISNEROS GARCA, Juan Manuel Eliud
Pgina
Curso
Horas de Clase Semanal
Crditos
Requisitos
Plan de Estudios
Docentes y aulas
Contenido calendarizado
1. semana
Introduccin. Definicin de Econometra. Objeto y mtodo de la investigacin
economtrica. Relacin entre variables econmicas y correlacin espuria. Repaso de
algebra matricial, teora de probabilidad y teora de la distribucin e inferencia
estadstica.
Modelo de regresin lineal bivariado. Supuestos. Estimacin por el mtodo de mnimos
cuadrados ordinarios (MCO). Supuestos. Propiedades del estimador MCO. Medida de
bondad de ajuste del modelo (R-cuadrado). Prediccin.
2. semana
Modelo de regresin lineal mltiple. Supuestos. Estimacin por el mtodo de mnimos
cuadrados ordinarios (MCO). Supuestos. Propiedades del estimador MCO. Interpretacin
geomtrica. El teorema de Gauss Markov. Medida de bondad de ajuste del modelo (Rcuadrado y R-cuadrado ajustado). Pruebas de hiptesis de primer orden (t, F).
Incorporacin de no-linealidades. Prediccin. Ejercicios. Aplicaciones con software
estadstico.
3. semana
Aplicaciones a la Economa: Ecuacin de Mincer. Violacin de supuestos clsicos. La
multicolinealidad como problema de la informacin muestral y sus consecuencias. Test
para deteccin de multicolinealidad: Farrar Glauber, ortogonalidad, sndrome de
multicolinealidad. Correccin del problema: regresin cresta, regresin por
componentes principales.
Pgina
3.
5. semana
Modelos con errores en las variables. Regresores estocsticos. Variables instrumentales.
Aplicaciones.
Mnimos Cuadrados Generalizados (MCG): Heteroscedasticidad. Causas, consecuencias.
Test para deteccin. Correccin del problema. Aplicaciones.
6. semana
Autocorrelacin. Causas, consecuencias de utilizar MCO y MV en presencia de
autocorrelacin. Test para deteccin. Correccin del problema. Aplicaciones.
Mtodos de estimacin I: Mnimos cuadrados ordinarios. Mnimos cuadrados indirectos.
Aplicaciones. Mtodo de estimacin II: Variables instrumentales. Mnimos Cuadrados en
dos etapas. Aplicaciones.
7. semana
Modelos de eleccin binaria. Modelo Lineal de Probabilidad. Modelos Logit, Probit y
Tobit.
Test de especificacin y bondad de ajuste en los Modelos de Eleccin Binaria.
Aplicaciones.
8. semana
Introduccin a los Modelos con Datos de panel. Aplicaciones.
5.
Evaluacin
Primer Examen Parcial
Segundo Examen Parcial
Evaluacin Continua
33,3%
33,3%
33,3%
Metodologa
Estar basada en la exposicin del docente segn la programacin establecida. Se
fomentar la participacin activa de los estudiantes. El desarrollo de los temas
combinar el anlisis lgico, el uso de grficos, la formalizacin matemtica y la
explicacin verbal, entendiendo que estos aspectos en conjunto permiten una mayor
rigurosidad acadmica.
El material bibliogrfico recomendado en su mayora estar en idioma espaol, no
obstante se recomienda contar con un nivel de lectura medio del idioma ingls.
Pgina
4.
6.1. Asistencia
El estudiante que dejara de asistir a ms del 30% del total de horas establecidas
para el desarrollo del curso estar automticamente desaprobado, y obtendr
una calificacin final igual a cero (0).
6.2. Exmenes
La presencia y rendicin de los tres exmenes parciales programados por la EAPE
son parte de los derechos y deberes de todo estudiante.
Ninguno de los tres exmenes parciales puede ser sustituido por alguna otra
actividad acadmica: trabajo domiciliario, examen virtual, otra evaluacin escrita
u oral, entre otros.
Las calificaciones obtenidas en los exmenes parciales no pueden ser eliminadas,
ni modificadas, ni sustituidas por ningn motivo.
Durante los exmenes parciales o en cualquier evaluacin presencial, el alumno
que sea sorprendido usando material acadmico no autorizado por el docente del
curso, solicitando o comunicando informacin verbal, escrita, electrnica y por
otros medios, ser desaprobado en tal evaluacin con calificacin igual a cero (0).
La suplantacin en cualquier evaluacin presencial implica automticamente una
calificacin igual a cero (0) en el rubro Evaluacin Continua, tanto para el
suplantado, como para el suplantador si este ltimo fuese estudiante de la
Facultad.
El estudiante que no haya rendido un examen parcial en la fecha programada por
la EAPE, tendr un plazo de 48 horas para justificar de manera escrita y
documentada su inasistencia, dirigida a la Direccin de la EAPE, sta evaluar los
motivos e informar al docente del curso sobre el tema; ser potestad de ste
decidir si realiza la evaluacin extempornea correspondiente. La EAPE no
considerar solicitudes de justificacin respecto a exmenes realizados en fechas
distintas a las programadas.
Pgina
6.
Los tres Exmenes Parciales se realizarn slo bajo la modalidad de evaluacin escrita
y presencial en las fechas programadas por la EAPE.
La Evaluacin Continua tiene por finalidad estimar los conocimientos, aptitudes y
rendimiento del estudiante durante el desarrollo del curso, se consideran
intervenciones orales, prcticas calificadas, controles de lectura, tareas domiciliarias,
trabajos monogrficos y exposiciones; las ponderaciones correspondientes son
potestad del docente del curso.
7.
Bibliografa
Bibliografa bsica.
Daz, M. y Llorente, M. (2003). Econometra. 2 ed. Madrid: Pirmide.
Pgina
Pgina
Rice, J. (1995). Mathematical statistics and data analysis. 2 ed. California: Duxbury
Press.
Bibliografa Complementaria
Angrist, J. y Krueger, A. (2001). Instrumental variables and the search for identification:
from supply and demand to natural experiments. Journal of Economic Perspectives,
15(4), 69-85.
Becker, W. y Greene, W. (2001). Teaching statistics and econometrics to undergraduates.
Journal of Economic Perspectives, 15(4), 169-182.
Card, D. (1993). Using geographic variation in college proximity to estimate the return to
schooling. NBER Working Papers N 4483, National Bureau of Economic Research.
Hill, R. y Adkins, L. (2003). Collinearity. En: Baltagi, B. (ed.). A companion to theoretical
econometrics. Oxford: Blackwell Publishing, 256-278.
Castro, J. y Rivas-Llosa, R. (2003). Econometra aplicada. Lima: Universidad del Pacfico.
Chen, B y Pearl, J. (2013). Regression and causation: a critical examination of six
econometrics textbooks. Real World Economics Review, 65, 2-20.
Hsiao, C. (2003). Panel data models. En: Baltagi, B. (ed.). A companion to theoretical
econometrics. Oxford: Blackwell Publishing, 349-365.
Pgina
Pgina