4.3 Contenido
Este curso extiende los métodos y técnicas empleadas en Econometría I. Se centra en la inferencia causal y la predicción con una mayor variedad de conjuntos de datos. En particular, el curso abarca: Datos con variables binarias dependientes, previsión de datos de series temporales, agrupación y cointegración.
Tema 1. El modelo de regresión logística
- 1.1 Los modelos de elección binaria o dicotómicos (los modelos de elección binaria como modelos de regresión).
- 1.2 Modelos logit ( codificación de las variables, especificación e interpretación) estimación de los parámetros – interpretación de los parámetros.
- 1.3 Evaluación de los modelos de elección binaria. Significatividad estadística de los parámetros estimados. Medidas de bondad de ajuste del modelo.
Tema 2. Introducción a las series temporales
- 2.1 Ejemplos de series temporales.
- 2.2 Práctica con Gretl.
Tema 3. Análisis descriptivo de una serie temporal
- 3.1 El análisis de tendencias deterministas.
- 3.2 Métodos de alisado.
- 3.3 Método de descomposición para series estacionales.
- 3.4 Trabajo con Gretl.
Tema 4. Series temporales y procesos estocásticos
- 4.1 El concepto de proceso estocástico
- 4.2 Procesos estacionarios
- 4.3 Proceso de ruido blanco
- 4.4 Estimación de los momentos de procesos estacionarios
- 4.5 Trabajo con Gretl.
Tema 5. Modelos autorregresivos
- 5.1 Modelos autorregresivos de primer orden.
- 5.2 Modelos autorregresivos de segundo orden.
- 5.3 El modelo autorregresivo general.
- 5.4 La función de autocorrelación parcial.
- 5.5 Trabajo con Gretl.
Tema 6. Regresión con procesos no estacionarios.
- 6.1 Contrastes de raíz unitaria.
- 6.2 Regresión espúrea.
- 6.3 Estacionariedad y cointegración.
- 6.4 Modelo de corrección de errores.