Curso Gratuito Especialista en Análisis Econométrico. Aproximación Práctica con SHAZAM

Información gratuita

Nombre y apellidos

Email

Teléfono

Situación laboral

País

Provincia

Acepto la Política de Privacidad, el Aviso Legal y la Política de Cookies de cursosgratuitos.es

Curso 100% Bonificable si eres trabajador contratado en el régimen general y envías la documentación de matrícula (en el caso de ser estudiante, desempleado, autónomo, funcionario o jubilado puedes realizar este curso de forma parcialmente subvencionada)

Busca otros cursos gratuitos

Para qué te prepara:

El curso en Análisis Econométrico. Aproximación Práctica con SHAZAM le prepara para obtener los conocimientos necesarios para la validez de un modelo económico y construir, por medio de relaciones matemáticas, un modelo que represente una cierta teoría que desee probar.

A quién va dirigido:

El presente curso de Análisis Econométrico. Aproximación Práctica con SHAZAM está dirigido a cualquier persona que quiera profundizar en el mundo de econometría y obtener una formación especializada en la economía.

Titulación:

Doble Titulación Expedida por EUROINNOVA BUSINESS SCHOOL y Avalada por la Escuela Superior de Cualificaciones Profesionales

Objetivos:

- Lograr que los participantes adquieran los conocimientos básicos necesarios para poder seguir aprendiendo más acerca del análisis econométrico. - Familiarizar a los alumnos con el entorno econométrico. - Generar que los participantes entiendan y aprenda a probar cada uno de los supuestos del análisis econométrico. - Generar en los alumnos la comprensión del análisis econométrico.

Salidas Laborales:

Formación docente, Economía, Dirección de empresas.

Resumen:

Este curso en Análisis Econométrico. Aproximación Práctica con SHAZAM le ofrece una formación especializada en la materia. La econometría es la rama de la economía que hace un uso extensivo de modelos matemáticos y estadísticos así como de la programación lineal y la teoría de juegos para analizar, interpretar y hacer predicciones sobre sistemas económicos, prediciendo variables como el precio de bienes y servicios, tasas de interés, tipos de cambio, las reacciones del mercado, el coste de producción, la tendencia de los negocios y las consecuencias de la política económica. Con este curso en Análisis Econométrico se pretender aportar unos conocimientos profesionales en la econometría a través de shazam.

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:

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN
  1. ¿Cómo ejecutar Shazam?
  2. El comando FILE
  3. ¿Cómo crear un fichero de datos?

    4. - Observación a observación

    - Variable a variable

  4. ¿Cómo ver las variables?
  5. ¿Cómo recuperar un fichero de datos?
  6. ¿Cómo saber qué variables están disponible en la sesión de trabajo?
  7. ¿Cómo cambiar el nombre de las variables?
  8. ¿Cómo borrar variables?
  9. ¿Cómo representar gráficamente variables?

    10. - Gráficos utilizando el comando GRAPH

    - Gráficos utilizando el comando PLOT

  10. ¿Cómo ordenar variables?
  11. ¿Cómo especificar el inicio y la frecuencia de un fichero de datos
  12. ¿Cómo generar nuevas variables a partir de variables existentes?
  13. ¿Cómo calcular los estadísticos descriptivos de las variables?
  14. ¿Cómo generar vectores y matrices?

    15. - Utilizando el comando COPY

    - Utilizando el comando READ

  15. ¿Cómo guardar matrices?
  16. ¿Cómo recuperar matrices?
  17. ¿Cómo operar con vectoresy matrices?
  18. ¿Cómo identificar los elementos de una matriz
UNIDAD DIDÁCTICA 2. ESTIMACIÓN MCO: MODELO FORMULADO CON ORDENADA EN EL ORIGEN.
  1. Presentación e hipótesis básicas del Modelo de Regresión Lineal Múltiple (MRLM)
  2. Estimación MCO: Comando OLS
  3. Análisis de los residuos: opción LIST
  4. Análisis de las sumas de los cuadrados: opción ANOVA
  5. Análisis gráfico: opción GRAPH
  6. Análisis de resultados
UNIDAD DIDÁCTICA 3. ESTIMACIÓN MCO: MODELO FORMULADO SIN ORDENADA EN EL ORIGEN.
  1. Presentación del Modelo de Regresión Lineal Múltiple formulado sin ordenada en el origen
  2. Estimación MCO de un Modelo formulado sin ordenada en el origen
  3. Análisis de los resultados
UNIDAD DIDÁCTICA 4. ESTIMACIÓN MCO: DATOS CENTRADOS.
  1. Presentación del Modelo de Regresión Lineal Múltiple con datos centrados
  2. Estimación MCO de un modelo con datos centrados
  3. Análisis de resultados
UNIDAD DIDÁCTICA 5. ESTIMACIÓN MCO: CAMBIOS DE ESCALA.
  1. Cambios de escala
  2. Estimación MCO de un Modelo con cambios de escala
  3. Comparación de los resultados de la estimación con y sin cambios de escala

    4. - Vector de estimadores

    - Matriz de Varianzas-Covarianzas estimada de los estimadores

    - Estimador de la varianza de la perturbación

    - Suma de los cuadrados de los errores

    - Suma de cuadrados totales

    - Suma de cuadrados de la regresión

    - Coeficiente dedeterminación

    - Coeficiente de determinación ajustado

  4. Análisis de los resultados
UNIDAD DIDÁCTICA 6. CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA.
  1. Hipótesis del Modelo de Regresión Lineal Normal Clásico (MRLNC)
  2. Contrastes de hipótesis: comando TEST y comando DISTRIB

    3. - Contrastes de nulidad individual

    - Contraste de nulidad conjunta para todos los parámetros del modelo

    - Contraste de nulidad conjunta para los parámetros que acompañan a las variables explicativas del modelo

    - Contraste de nulidad para un subconjunto paramétrico

    - Contraste de nulidad para una combinación lineal

    - El comando TEST sin el signo de igualdad

  3. Contrastes de hipótesis: comando OLS y opción ANOVA del comando OLS

    4. - Contrastes de hipótesis: comando OLS

    - Contrastes de hipótesis: opción ANOVA del comando OLS

  4. Intervalos de confianza: comando CONFID
  5. Contraste para un subconjunto paramétrico y región de confianza
UNIDAD DIDÁCTICA 7. INTERPRETACIÓN DE LOS COEFICIENTES
  1. Coeficientes de un modelo de regresión

    2. - Coeficientes de regresión parcial

    - Coeficientes beta o coeficientes estandarizados

    - Elasticidades en media

  2. Ortogonalidad y coeficientes de regresión parcial
  3. Interpretación de los coeficientes de regresión parcial

    4. - Interpretación de b

    - Interpretación de b

  4. Interpretación de los coeficientes beta
UNIDAD DIDÁCTICA 8. FORMAS FUNCIONALES ALTERANTIVAS.
  1. Introducción
  2. Estimación MCO
  3. Análisis de resultados

    4. - Interpretación de coeficientes

    - Coeficiente de determinación y coeficiente de determinación equivalente

UNIDAD DIDÁCTICA 9. REGRESIÓN PARTICIONADA.
  1. Regresión particionada
UNIDAD DIDÁCTICA 10. MODELO CON RESTRICCIONES.
  1. Estimación MCO sin restricciones
  2. Estimación MCO con restricciones: opción RESTRICT del comando OLS
UNIDAD DIDÁCTICA 11. PREDICCIÓN.
  1. Predicción: comando FC

    2. - Predicción puntual

    - Predicción media

  2. Intervalos de confianza para la predicción

    3. - Intervalo de confianza para la predicción puntual

    - Intervalo de confianza para la predicción media

UNIDAD DIDÁCTICA 12. DETECCIÓN DE VALORES ATÍPICOS E INFLUYENTES.
  1. Detección de valores atípicos y/o influyentes: opción influence y opción DFBETAS del comando OLS

    2. - Detección de valores atípicos

    - Detección de valores influyentes

UNIDAD DIDÁCTICA 13. CONTRASTES DE NORMALIDAD.
  1. Detección de problemas de no normalidad de las perturbaciones: opción LM y opción GF del comando OLS
UNIDAD DIDÁCTICA 14. HETEROCEDASTICIDAD.
  1. Detección de problemas de heterocedasticidad

    2. - Contrastes asociados a la opción HET del comando DIAGNOS

    - Contraste de Goldfeld-Quandt

    - Contraste de Bartlett

  2. Estimación mínimo-cuadrática generalizada

    3. - Estimación mínimo-cuadrática generalizada utilizando el comando GLS

    - Estimación mínimo-cuadrática generalizada utilizando la opción WEIGHT del comando OLS

  3. Estimación de máxima verosimilitud utilizando el comando HET
  4. Predicción con heterocedasticidad

    5. - Predicción utilizando para la estimación el comando GLS

    - Predicción utilizando para la estimación mínimos cuadrados ponderados

UNIDAD DIDÁCTICA 15. AUTOCORRELACIÓN.
  1. Detección de problemas de autocorrelación
  2. Estimación mínimo cuadrática generalizada

    3. - Estimación mínimo cuadrática generalizada: comando GLS

    - Estimación mínimo cuadrática generalizada utilizando el comando AUTO

  3. Predicción con autocorrelación

    4. - Predicción utilizando para la estimación el comando AUTO

    - Predicción utilizando para la estimación el comando GLS

  4. Análisis gráfico de la autocorrelación de primer orden
  5. Estimación iterativa para un AR(1)
  6. Análisis de la autocorrelación en un modelo autorregresivo
UNIDAD DIDÁCTICA 16. MULTICOLINEALIDAD.
  1. Estimación MCO
  2. Métodos para la diagnosis de problemas de multicolinealidad

    3. - Indicios de multicolinealidad

    - Coeficientes de correlación

    - Autoanálisis

  3. Soluciones a la multicolinealidad

    4. - Eliminar regresores

    - Regresión por componentes principales

    - Suministrar información adicional

UNIDAD DIDÁCTICA 17. REGRESORES ESTOCÁSTICOS Y MÉTODO DE VARIABLES INSTRUMENTALES.
  1. Estimación MCO utilizando el comando OLS
  2. Estimación por el método de variables instrumentales utilizando el comando INST
  3. Test de Hausman
UNIDAD DIDÁCTICA 18. CONTRASTES DE LA FORMA FUNCIONAL.
  1. Contraste de la forma funcional utilizando la opción RESET del comando DIAGNOS
  2. Otros contrastes de la forma funcional

    3. - Prueba J de Davidson y MacKinnon

    - Prueba JA de Fisher y McAleer

UNIDAD DIDÁCTICA 19. CONSTRASTES DE ESTABILIDAD DE PARÁMETROS.
  1. Definición de variables ficticias
  2. Contrastes de estabilidad de los parámetros

    3. - Contraste de homogeneidad total

    - Contraste de homogeneidad de pendientes dada heterogeneidad de ordenadas

    - Contraste de homogeneidad de ordenada dada heterogeneidad de pendientes

    - Contraste de homogeneidad de ordenada dada homogeneidad de pendientes

    - Contraste de homogeneidad de pendiente dada homogeneidad de ordenada

UNIDAD DIDÁCTICA 20. SELECCIÓN DE REGRESORES.
  1. Métodos de selección de regresores
  2. Otros métodos de selección de regresores

    3. - Método de selección hacia atrás o eliminación progresiva

    - Método de selección hacia delante o introducción progresiva

    - Método de todas las regresiones posibles

UNIDAD DIDÁCTICA 21. ANÁLISIS DE LA CAPACIDAD PREDICTIVA.
  1. Análisis de la capacidad predictiva utilizando el comando FC
UNIDAD DIDÁCTICA 22. ANÁLISIS DE LA ESTABILIDAD POSTMUESTRAL.
  1. Contraste de estabilidad postmuestral utilizando la opción CHOWTEST del comando DIAGNOS
  2. Contraste H(N) o test de estabilidad de Cooper
  3. EDITORIAL ACADÉMICA Y TÉCNICA: Índice de libro Análisis Econométrico. Una aproximación práctica con Shazam. Autores: M.ª Victoria Verdugo, M.ª Isabel Cal y Carlos Mª Fernández-Jardón. Publicado por Delta Publicaciones.