Para qué te prepara:
El curso en Microeconometría. Introducción y Aplicaciones con Excel le prepara para aprender a conectar los modelos teóricos con sus formas estimables, aprender a estimar con la información disponible y a interpretar en su sentido estadístico y económico los resultados obtenidos a partir de la investigación.
A quién va dirigido:
El presente Curso en Microeconometría. Introducción y Aplicaciones con Excel está dirigido a estudiantes y docentes de Economía, Ciencias Sociales y Humanidades de universidades públicas y privadas y a todas aquellas personas interesadas en obtener una formación especializada en la econometría, más concretamente en la Microeconometría.
Titulación:
Doble Titulación Expedida por EUROINNOVA BUSINESS SCHOOL y Avalada por la Escuela Superior de Cualificaciones Profesionales
Objetivos:
- Comprender el modelo de Regresión Lineal Múltiple - Realizar un Análisis de observaciones y multicolinealidad. - Realizar un modelo de regresión con variables ficticias. - Analizar el Modelo de Regresión Lineal Múltiple Generalizado con Perturbación no esférica (Heteroscedasticidad y Autocorrelación). - Analizar Modelos de respuesta cualitativa y de variable dependiente-limitada.
Salidas Laborales:
Dirección o gestión de empresas. Banca e instituciones financieras. Docencia. Economía.
Resumen:
Este curso en Microeconometría. Introducción y Aplicaciones con Excel le ofrece una formación especializada en la materia. La mircroeconomoetría es la rama de la econometría que estudia datos microeconómicos, utiliza técnicas estadísticas y matemáticas para la estimación de diversos parámetros en modos microeconómicos. La microeconometría es muy importante en el sector empresarial ya que es capaz de estimar relaciones causales que moldean el comportamiento económico de agentes individuales.
Metodología:
Entre el material entregado en este curso se adjunta un documento llamado Guía del Alumno dónde aparece un horario de tutorías telefónicas y una dirección de e-mail dónde podrá enviar sus consultas, dudas y ejercicios. La metodología a seguir es ir avanzando a lo largo del itinerario de aprendizaje online, que cuenta con una serie de temas y ejercicios. Para su evaluación, el alumno/a deberá completar todos los ejercicios propuestos en el curso. La titulación será remitida al alumno/a por correo una vez se haya comprobado que ha completado el itinerario de aprendizaje satisfactoriamente.
Temario:
- El modelo de estimación por mínimos cuadrados ordinarios (MCO) - Propiedades del estimado mínimo cuadrático ordinario - Distribución muestral del vector de residuos, e - El estimador de la varianza del término de perturbación - Contraste de hipótesis sobre un parámetro. Intervalo de confianza - Contraste de significación del modelo - Introducción al método de mínimos cuadrados restringidos (MCR).Contrastes de hipótesis - El factor de inflación de la varianza (FIV) - El número de condición - Contradicción entre los tests individuales de la t y el test conjunto de la F - Descomposición de la varianza del estimador - Incorporación de nueva información - Especificación de un nuevo modelo - Métodos alternativos de estimación - La naturaleza de la relación entre las variables - La transformación de variables - La omisión de variables relevantes - Matriz de varianzas y covarianzas de la perturbación conocida - Matriz de varianzas y covarianzas de la perturbación desconocida 154 - El contraste de Goldfeld-Quandt - El contraste de Breusch-Pagan - El contraste de White - La existencia de ciclos y/o tendencias - Relaciones no lineales - La omisión de variables relevantes - El método de Cochrane-Orcutt - El método de Prais-Winsten - El método de Durbin - El contraste de Durban-Watson - El contraste de Godfrey - Las funciones de autocorrelación simple (FAS) y parcial (FAP) de los residuos - Contrastes de Box-Pierce y Ljung-Box - Modelo lineal de probabilidad - Método de estimación por máxima verosimilitud - Residuos generalizados - Bondad de Ajuste - Efectos parciales de la variable explicativas sobre la probabilidad P(y = 1) - El Contraste de Razón de Verosimilitud - El Contraste de Wald - Contraste de los multiplicadores de Lagrange o Test de ?Score? - Comparación entre los Tests de RV, W, ML - La hipótesis de la utilidad aleatoria - Modelo Logit Condicional (MLC) - Modelo mixto - El modelo Logit multinomial - Hipótesis de independencia de las alternativas irrelevantes - Métodos de estimación en dos etapas y de la máxima verosimilitud - Errores de especificación. Residuos generalizados. Normalidad y Heteroscedasticidad - Modelo de ?dos partes? - El modelo de ?doble valla? (Cragg, 1791) - El Modelo de Selectividad (Heckman, 1979) - Modelos de Infrecuencia de compra - Estimador MCO (Modelo sin efectos) - Estimadores entre-grupos - Estimador de covarianza (CV) o intragrupos para los efectos individuales - Estimación MCG para los efectos individuales - Estimador de covarianza o intragrupos (CV2) para los efectos individuales y temporales - Estimación de MCG para los efectos individuales y temporales - Contraste de homogeneidad del panel - Contraste de significación de los coeficientes en el modelo de efectos fijos - Estimación robusta - Contraste de nulidad de los efectos aleatorios - Contraste entre efectos fijos o aleatorios - Contraste para la autocorrelación de la perturbación - Contraste para la sobreidentificación de instrumentosUNIDAD DIDÁCTICA 1. EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE.
UNIDAD DIDÁCTICA 2. PROBLEMAS CON LA INFORMACIÓN: ANÁLISIS DE OBSERVACIONES Y MULTICOLINEALIDAD.
UNIDAD DIDÁCTICA 3. INFORMACIÓN CUALITATIVA: VARIABLES FICTICIAS.
UNIDAD DIDÁCTICA 4. EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE GENERALIZADO. PERTURBACIÓN NO ESFÉRICA: HETEROSCEDASTICIDAD Y AUTOCORRELACIÓN.
UNIDAD DIDÁCTICA 5. MODELOS DE RESPUESTA CUALITATIVA.
UNIDAD DIDÁCTICA 6. MODELOS DE VARIABLE DEPENDIENTE-LIMITADA
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN A LOS MODELOS CON DATOS PANEL.