Curso Gratuito Postgrado en Econometría y Estadística + Titulación Propia Universitaria con 4 Créditos ECTS

UNIDAD DIDÁCTICA 1. MODELOS PROBABILÍSTICOS UNIVARIANTES CONTINUOS

1. Distribución rectangular

- Distribución rectangular estandarizada

2. Distribución triangular

- Distribución triangular estandarizada

3. Distribución trapezoidal

- Distribución trapezoidal estandarizada

4. Algunas aplicaciones de los modelos geométricos
5. Distribución exponencial
6. Distribuciones relacionadas con las integrales eulerianas: gamma uniparamétrica, gamma biparamétrica y beta

- Distribución beta

7. Distribución normal
8. Distribuciones relacionadas con la distribución normal

- La distribución ? 2 de Pearson

- La distribución t de Student

- La distribución F de Snedecor

9. Convergencias en distribución. Aproximaciones de una distribución de probabilidad por otra

UNIDAD DIDÁCTICA 2. DISTRIBUCIONES ASOCIADAS A LOS ESTADÍSTICOS MUESTRALES DE UNA POBLACIÓN NORMAL

1. Distribución para la media de una muestra procedente de una población normal con varianza conocida
2. Distribución para la varianza y cuasivarianza de una muestra procedente de una población normal
3. Distribución para la media de una muestra procedente de una población normal con varianza desconocida: el cociente t-Student
4. Distribuciones de probabilidad para la diferencia de medias de dos muestras independientes procedentes de sendas poblaciones normales

- Caso en el que las varianzas de ambas poblaciones son conocidas

- Caso en el que las varianzas de ambas poblaciones son desconocidas pero iguales

- Caso en el que las varianzas de ambas poblaciones son desconocidas y desiguales (Aproximación de Welch)

- Caso en el que las dos varianzas son desconocidas y tamaños muestrales elevados

5. Distribución para el cociente de varianzas
6. Distribución para la proporción muestral
7. Distribución para la diferencia de proporciones muestrales

UNIDAD DIDÁCTICA 3. ESTIMACIÓN PUNTUAL DE PARÁMETROS

1. Método de máxima verosimilitud para la obtención de estimadores

- Elemento de verosimilitud muestral de una variable aleatoria discreta

- Elemento de verosimilitud muestral de una variable aleatoria continua

- Método de obtención del estimador máximo verosímil en el caso de un sólo parámetro

- Método de obtención de los estimadores máximo verosímiles en el caso de varios parámetros

2. Método de los momentos para la obtención de estimadores puntuales
3. Relación entre el método de máxima verosimilitud y el de los momentos
4. Propiedades deseables para un estimador paramétrico

- Estimadores insesgados

- Estimadores eficientes

- Estimadores consistentes

- Estimadores suficientes

UNIDAD DIDÁCTICA 4. ESTIMACIÓN MEDIANTE INTERVALOS DE CONFIANZA

1. Intervalos de confianza para la media de una distribución normal

- Caso en el que la varianza de la población es conocida

- Caso en el que la varianza es desconocida

2. Intervalo de confianza para una proporción
3. Intervalo de confianza para la diferencia de medias de dos poblaciones normales

- Caso de ambas varianzas conocidas

- Caso en el que las dos varianzas son desconocidas pero iguales

- Caso en el que ambas varianzas son desconocidas y desiguales (aproximación de Welch)

- Caso en el que ambas varianzas son desconocidas y desiguales pero los tamaños muestrales son elevados

4. Intervalo de confianza para la diferencia de proporciones
5. Intervalo de confianza para la varianza de una población normal

- Intervalos unilaterales cuando la media de la población es conocida

- Intervalos unilaterales cuando la media de la población es desconocida

- Intervalos de confianza bilaterales

6. Intervalo de confianza para la razón de varianzas

- Intervalo bilateral para la razón de varianzas cuando las medias poblacionales son desconocidas

7. Construcción de regiones de confianza

UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS

1. Formulación de un contraste de hipótesis

- Hipótesis nula y alternativa

- Región de rechazo y tipos de error

- Función de potencia

2. Contraste de hipótesis para la media de una población normal

- Contraste para la media cuando la varianza es conocida

- Contraste para la media cuando la varianza es desconocida

- Contraste para la proporción

3. Contraste para la diferencia de medias

- Caso en el que se conocen las varianzas

- Caso de las dos varianzas desconocidas e iguales

- Caso de dos varianzas desconocidas y tamaños muestrales altos

4. Contraste para la diferencia de proporciones
5. Contraste para la varianza

- Región de rechazo y función de potencia

- Cálculo de s 2 y del tamaño muestral necesario para alcanzar un determinado valor de potencia

6. Contraste para la razón de varianzas

- Contraste de dos colas

- Contraste de una cola a la derecha

7. Análisis de razón de verosimilitudes

UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A LA ECONOMETRÍA

1. Introducción a los modelos econométricos
2. Especificación y estimación del modelo lineal simple

- Introducción

- Estimación mínimo-cuadrática

- Propiedades de los estimadores mínimo cuadráticos ordinarios

3. Estimación de la varianza de la perturbación aleatoria

- Cálculo de la suma de cuadrados residual y significado de la varianza muestral del residuo

UNIDAD DIDÁCTICA 7. EL MODELO LINEAL SIMPLE NORMAL

1. Estimadores máximo-verosímiles

- Otras propiedades de los estimadores del MLS

2. Distribución de los estimadores de los parámetros del MLS normal
3. Intervalos y regiones de confianza para los parámetros del MLS normal
4. Contrastes de hipótesis para los parámetros del MLS normal
5. El coeficiente de determinación
6. Análisis de la varianza en la regresión
7. Equivalencia de las pruebas de correlación, regresión y ANOVApara la incorrelación de las variables del MLS
8. Explotación del MLS

- Predicción puntual óptima

- Distribución del predictor lineal e intervalo de confianza para la E[Y?0 X0 ]

- Intervalo de confianza para Y0 y análisis de la permanencia estructural del modelo

9. El MLS de un solo parámetro o sin término independiente

- Propiedades algebraicas y estadísticas

- Inferencia en el MLS normal y sin término independiente

10. Ejercicio tipo del MLS
11. EDITORIAL ACADÉMICA Y TÉCNICA: Índice de libro Curso de Inferencia estadística y del Modelo Lineal Simple. Autores: R. Herrerías y F. Palacios. Publicado por Delta Publicaciones.

UNIDAD DIDÁCTICA 1. EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE.

1. Introducción
2. Especificación del modelo de regresión lineal múltiple
3. Inferencia estadística del MRLM I

- 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

4. Inferencia estadística del MRLM II

- Contraste de hipótesis sobre un parámetro. Intervalo de confianza

- Contraste de significación del modelo

5. Sumas de cuadrados, análisis de la varianza y R2
6. El proceso de predicción
7. Estimación restringida

- Introducción al método de mínimos cuadrados restringidos (MCR).Contrastes de hipótesis

8. Contrastes de cambio estructural, linealidad y normalidad
9. Errores de especificación

UNIDAD DIDÁCTICA 2. PROBLEMAS CON LA INFORMACIÓN: ANÁLISIS DE OBSERVACIONES Y MULTICOLINEALIDAD.

1. Introducción
2. Influencia potencial
3. Influencia real
4. Observaciones atípicas
5. Multicolinealidad: definición, grados y consecuencias
6. Principales criterios de detección para la multicolinealidad

- 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

7. Posibles soluciones a la multicolinealidad

- Incorporación de nueva información

- Especificación de un nuevo modelo

- Métodos alternativos de estimación

UNIDAD DIDÁCTICA 3. INFORMACIÓN CUALITATIVA: VARIABLES FICTICIAS.

1. Introducción
2. El modelo de regresión con variables ficticias
3. Una nueva versión del contraste de cambio estructural

UNIDAD DIDÁCTICA 4. EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE GENERALIZADO. PERTURBACIÓN NO ESFÉRICA: HETEROSCEDASTICIDAD Y AUTOCORRELACIÓN.

1. Introducción
2. Consecuencias en la estimación por MCO
3. Estimador Mínimo Cuadrático Generalizado (MCG)
4. Comparación entre el estimador MCO y MCG
5. Heteroscedasticidad

- La naturaleza de la relación entre las variables

- La transformación de variables

- La omisión de variables relevantes

6. Métodos de estimación en presencia de heteroscedasticidad

- Matriz de varianzas y covarianzas de la perturbación conocida

- Matriz de varianzas y covarianzas de la perturbación desconocida 154

7. Contrastes de heteroscedasticidad

- El contraste de Goldfeld-Quandt

- El contraste de Breusch-Pagan

- El contraste de White

8. Autocorrelación

- La existencia de ciclos y/o tendencias

- Relaciones no lineales

- La omisión de variables relevantes

9. Esquemas lineales con comportamiento autocorrelacionado
10. Métodos de estimación en presencia de autocorrelación

- El método de Cochrane-Orcutt

- El método de Prais-Winsten

- El método de Durbin

11. Contrastes de autocorrelación

- 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

UNIDAD DIDÁCTICA 5. MODELOS DE RESPUESTA CUALITATIVA.

1. Introducción
2. Modelos de elección discreta (variable dependiente dicotómica)

- Modelo lineal de probabilidad

3. Especificación e inferencia de los modelos Probit y Logit

- Método de estimación por máxima verosimilitud

- Residuos generalizados

- Bondad de Ajuste

- Efectos parciales de la variable explicativas sobre la probabilidad P(y = 1)

4. Contrastes de hipótesis (Test de razón de verosimilitud), Test de Wald y de Multiplicadores de Lagrange)

- 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

5. Modelos de respuesta múltiple: Modelos Logit Condicional (MLC) y Multinomial (MLM)

- La hipótesis de la utilidad aleatoria

- Modelo Logit Condicional (MLC)

- Modelo mixto

- El modelo Logit multinomial

- Hipótesis de independencia de las alternativas irrelevantes

UNIDAD DIDÁCTICA 6. MODELOS DE VARIABLE DEPENDIENTE-LIMITADA

1. Especificación e inferencia de Modelo de Regresión Censurado (Modelo Tobit)

- Métodos de estimación en dos etapas y de la máxima verosimilitud

- Errores de especificación. Residuos generalizados. Normalidad y Heteroscedasticidad

2. Variaciones del Modelo Tobit Standard
3. Generalización del Modelo Tobit: Modelos bivariantes

- Modelo de ?dos partes?

- El modelo de ?doble valla? (Cragg, 1791)

- El Modelo de Selectividad (Heckman, 1979)

- Modelos de Infrecuencia de compra

4. Introducción a los modelos de recuento.

UNIDAD DIDÁCTICA 7. INTRODUCCIÓN A LOS MODELOS CON DATOS PANEL.

1. Introducción
2. Tipología de modelos con datos de panel
3. Métodos de estimación para modelos en niveles o estáticos

- 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

4. Contrastes de especificación en el modelo estático

- 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

5. El modelo dinámico
6. Contrastes de especificación en el modelo dinámico

- Contraste para la autocorrelación de la perturbación

- Contraste para la sobreidentificación de instrumentos

7. EDITORIAL ACADÉMICA Y TÉCNICA: Índice de libro Microeconometría Introducción y aplicaciones con Excel. Autores: Jordi Arcarons y Samuel Calonge. Publicado por Delta Publicaciones

MÓDULO 1. MICROSOFT EXCEL 2016. NIVEL AVANZADO