Econometra Bsica

Aplicaciones con EVIEWS, STATA, SAS y SPSS

El objetivo de este libro es la presentacin de las tcnicas economtricas bsicas y su
tratamiento con las herramientas ms adecuadas de clculo automatizado. Se utilizan los
paquetes de software EVIEWS, STATA, SAS y SPSS para abordar de modo sencillo el
trabajo economtrico.

El primer bloque de contenido se ocupa del modelo lineal de regresin mltiple y de toda su
problemtica, incluyendo herramientas para la deteccin y tratamiento de la autocorrelacin,
heteroscedasticidad, multicolinealidad, normalidad residual, linealidad, observaciones
influyentes, errores de especificacin, exogeneidad y regresores estocsticos.

Un segundo bloque trata los modelos de eleccin discreta, recuento, censurados, truncados
y de seleccin muestral, haciendo hincapi en los modelos Logit, Probit, Tobit, Poisson,
binomial negativa y correccin del sesgo de seleccin mediante la estimacin de Heckman.

El tercer bloque aborda el anlisis univariante de series temporales a travs de la

metodologa Box Jenkins para modelos ARIMA, el tratamiento de los modelos de
intervencin y los modelos univariantes de la funcin de transferencia.

El ltimo bloque se ocupa de los modelos del anlisis de la varianza y la covarianza, el

modelo lineal general y los modelos mixtos.

Los captulos se inician con la exposicin de los conceptos y notas tericas adecuadas, para
resolver a continuacin una variedad de ejercicios que cubran los conceptos expuestos. Se
trata de recopilar la mayor parte de los conceptos economtricos e ilustrarlos con la prctica
a travs de las herramientas de software adecuadas.

CONTENIDO

Captulo 1. Modelo lineal de regresin mltiple. Hiptesis, Estimacin, inferencia y

prediccin
Modelo lineal de regresin mltiple
Hiptesis en el modelo lineal
Estimacin del modelo lineal por mnimos cuadrados ordinarios MCO
Estimacin del modelo lineal por mxima verosimilitud
Inferencia en el modelo por mnimos cuadrados ordinarios MCO
Predicciones
Seleccin de modelos de regresin
Anlisis de los residuos
Modelo lineal con restricciones
Regresin con variables cualitativas: variables ficticias

Captulo 2. Modelo lineal de regresin mltiple. Herramientas de software

EVIEWS y el trabajo bsico con le modelo de regresin mltiple

SPSS y el trabajo bsico con el modelo de regresin mltiple
SAS y el trabajo bsico con el modelo de regresin mltiple
STATA y el trabajo bsico con el modelo de regresin mltiple
STATA y el trabajo bsico con el modelo de regresin mltiple a travs de mens
Captulo 3. Autocorrelacin, heteroscedasticidad, multicolinealidad, no linealidad y
normalidad
Modelos con autocorrelacin
Deteccin de la autocorrelacin
Soluciones para la autocorrelacin
Modelos con heteroscedasticidad
Deteccin de la heteroscedasticidad
Soluciones para la heteroscedasticidad
Multicolinealidad
Normalidad residual
No linealidad y errores de especificacin
Exogeneidad y regresores estocsticos
Anlisis de la influencia

Captulo 4. Herramientas para tratar autocorrelacin, Heteroscedasticidad y otros

problemas
Tratamiento de la autocorrelacin y heteroscedasticidad con Eviews
Eviews y los modelos ARCH Y GARCH
Endogeneidad, variables instrumentales y mnimos cuadrados en dos etapas con Eviews
Errores de especificacin con Eviews. Variables omitidas y redundantes
Errores de especificacin en la forma funcional con Eviews
SPSS y modelos con regresores estocsticos. Variables instrumentales y M.C. en dos fases
SPSS y modelos con heteroscedasticidad y multicolinealidad. Mnimos cuadrados ponderados
SAS y la multicolinealidad, autocorrelacin, heteroscedasticidad, valores influyentes y errores
de especificacin
SAS y los modelos ARCH Y GARCH
STATA y la multicolinealidad, autocorrelacin, heteroscedasticidad, errores de especificacin
y observaciones influyentes
STATA y la multicolinealidad, autocorrelacin, heteroscedasticidad, errores de especificacin
y observaciones influyentes a travs de mens

Captulo 5. Modelos Logit, Probit, Tobit, truncados, recuento, censurados y de seleccin

muestral. Herramientas
Modelos variable dependiente limitada
Modelos de eleccin discreta
Modelos de eleccin discreta binaria
Modelos de eleccin mltiple
Modelos Logit y Probit otdenados
Modelo de datos de recuento
Modelos censurados. El modelo Tobit
Seleccin muestral. Modelos truncados
Correccin de la seleccin muestral. Estimacin bietpica de Heckman o Heckit
SPSS y la regresin logstica binaria
SPSS y el modelo Probit
SPSS y el modelo Logit multinomial
SAS y la regresin logstica. Proc LOGISTIC
SAS y el modelo Probit. Procedimiento PROBIT
SAS y el modelo Tobit de regresin censurada. Procedimiento LIFEREG
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. Mtodo de Heckman y Ratio de Mills
Modelos de variable dependiente limitada con STATA: Logit y Probit
Modelos Tobit censurado y truncado con STATA.
Modelo de Poisson con STATA
Captulo 6. Anlisis univariante de series temporales. Modelos ARIMA, intervencin y
funcin de transferencia
Series temporales
Descomposicin clsica de una serie temporal
Prediccin y suavizado de series temporales, mtodos autoproyectivos deterministas
Predicciones incondicionales estocsticas
Modelos ARIMA: Primeros conceptos
Modelos autorregresivos AR(p)
Modelos de medias mviles MA(q)
Modelos ARMA(p,q)
Modelos ARIMA(p,d,q)
La metodologa de Box Jenkins en modelos ARIMA
Series temporales estacionales. Deteccin de la estacionalidad
Modelos estacionales puros
Modelos estacionales generales
Modelos de intervencin
Identificacin de modelos de intervencin
Valores atpicos (Outliers)
Modelo univariante de la funcin de transferencia
Identificacin, estimacin y validacin del modelo de la funcin de transferencia
Etapas de la identificacin, estimacin y validacin del modelo de la funcin de transferencia
Modelos de la funcin de transferencia estacionales

Captulo 7. Herramientas para el anlisis univariante de series temporales

Eviews y la identificacin, estimacin, validacin y prediccin de modelos
ARIMA(p,d,q)(P,D,Q)s
Eviews y los modelos ARIMA y de intervencin
Eviews y los mtodos autoproyectivos deterministas: alisados exponenciales y de Holt_Winters
SPSS y la identificacin, estimacin, diagnosis y prediccin de modelos
ARIMA(p,d,q)(P,D,Q)s
Predicciones incondicionales deterministas con el modelizador de SPSS. Suavizado
SPSS y los modelos ARIMA con intervencin
SAS y la identificacin, estimacin, validacin y prediccin de modelos
ARIMA(p,d,q)(P,D,Q)s
SAS y los modelos ARIMA de intervencin y de funcin de transferencia
STATA y los modelos ARIMA(p,d,q)(P,D,Q)s

Captulo 8. Modelos del anlisis de la varianza y la covarianza. Modelo Lineal General y

modelos mixtos
Modelos del anlisis de la varianza y la covarianza
Modelos ANOVA de la varianza simple
Modelos ANCOVA de la covarianza simple
Anlisis multivariante de la varianza (MANOVA)
Anlisis multivariante de la covarianza (MANCOVA)
Modelo Lineal General (GLM)
Modelos lineales mixtos
SPSS y los modelos ANOVA y ANCOVA univariantes de uno y varios factores
SPSS y la estimacin de las componentes de la varianza en modelos ANCOVA de efectos
mixtos
SPSS y los modelos MANOVA y MANCOVA multivariantes de uno y varios factores
SPSS y los modelos lineales mixtos
Anlisis de la varianza y la covarianza con SAS. Procedimiento GLM
Componentes de la varianza en SAS. Procedimiento VARCOMP
SAS y los modelos mixtos. PROC MIXED
STATA y el anlisis de la varianza-covarianza. El modelo GLM y los modelos mixtos