Download 01 - Econometría I

FACULTAD DE CIENCIAS SOCIALES Y ECONOMICAS
DEPARTAMENTO DE ECONOMÍA –Programa de Economía
ECONOMETRÍA
(Código 303017M-01) – 4 créditos
Semestre: AGOSTO – DICIEMBRE 2014
Profesora: DIANA MARCELA JIMÉNEZ RESTREPO
Correo: diana.marcela.jimenez@correounivalle.edu.co
Horario: Martes y Jueves de 7:00 a 9:00 a.m.
Miércoles 12:00 - 2:00 p.m. (Talleres prácticos)
Lugar y horario de atención: Oficina 3022.
Martes 10:00 – 12:00 m.
Jueves 2:00 – 4:00 p.m.
Introducción:
“(…) la econometría no es de ninguna forma lo mismo que la estadística
económica. No es idéntica a lo que llamamos teoría económica general, aun
cuando una parte considerable de tal teoría tiene en definitiva un carácter
cuantitativo. La econometría no debe ser tomada como sinónimo de la
aplicación de las matemáticas a la economía. La experiencia ha demostrado
que cada uno de estos tres puntos de vista, el de la estadística, le teoría
económica, y las matemáticas, es una condición necesaria, pero no
suficiente por ella misma, para un entendimiento real de las relaciones
cuantitativas en la vida económica moderna. Es la unificación de los tres la
que es poderosa. Y es tal unificación la que constituye la econometría”
Ragnar Frisch, Enero de 1933. 1
En este curso introductorio de econometría se busca que el estudiante desarrolle
herramientas fundamentales dentro de la disciplina económica, que se utilizan para
caracterizar, cuantitativamente, las relaciones que surgen en diversas dinámicas
sociales. El énfasis del curso estará, en todo momento, en subrayar el vínculo de los
problemas matemáticos y estadísticos que se analizarán con la teoría económica que
les da razón de ser.
Objetivos
1
Editorial a la primera edición de Econometrica. Frisch compartió el Nobel de economía en 1969
con Jan Tinbergen por “haber desarrollado y aplicado modelos dinámicos para el análisis de los
procesos económicos”.
 Introducir el uso de modelos econométricos en el análisis teórico de la
economía.
 Proporcionar las bases fundamentales para el análisis de información que
permita la verificación de una hipótesis económica mediante el uso del
análisis econométrico que incluye el manejo de software especializado.
Metodología
Clases magistrales y talleres aplicados. La idea es utilizar los conocimientos
adquiridos durante el curso en la elaboración de un trabajo final en formato de
artículo académico y ganar experticia en el uso de paquetes econométricos como
Eviews, Stata y R en clases prácticas, a cargo del monitor.
Textos Guía: Hayashi, F. (2000). Econometrics. Princeton University Press
Greene, W. (2002). Econometric Analysis, 5a Edición, Prentice Hall.
Propuesta de Evaluación:
Primer Parcial (Temas 1 – 6):
30%
Segundo Parcial (Temas 7 - 10): 30%
Exámenes Cortos (semanales):
Trabajo Final:
20%
20%
Contenidos:
Tema 1 (Semana 1)
Naturaleza de la econometría y las características de los datos económicos: ¿Qué es
la econometría? Datos se sección cruzada, de series de tiempo, paneles, datos
agrupados. Causalidad y noción de ceteris paribus en economía. Causalidad y
correlaciones espurias. El problema del contrafactual.
Referencias: Wooldridge (2009). Capítulo 1; Frisch (1933); Sargent y Sims (2011).
Tema 2 (Semanas 1 y 2)
Repaso de estadística: variables aleatorias discretas y continuas. Distribuciones de
probabilidad acumuladas, distribuciones de densidad de probabilidad. Estadística
Descriptiva. Momentos de las distribuciones. Momentos poblacionales y muestrales.
Estimación. Propiedades deseables de un estimador. Inferencia estadística. Pruebas
de hipótesis. Algunas distribuciones comunes. Tipos de errores.
Referencias: Casella y Berger (2002). Cap 1. (1.1.-1.6), Cap 2 ( 2.1-2.3), Cap 3 (3.13.3), Cap 4 (4.1, 4.2, 4.5, 4.6) Wackerly, Mendenhall y Scheaffer (2002). Caps. 1 –
11.
Tema 3 (Semana 3 y 4)
Análisis de regresión univariado y multivariado. Motivación del modelo con k
variables. Interpretación del Modelo. Distintas formas funcionales: lineal-lineal, loglog, log-lineal, etc. Variables dicotómicas. Notación Matricial. Supuestos del
Modelo de Regresión Lineal (MRL):
Linealidad, no Multicolinealidad,
Perturbaciónes Esféricas. Exogeneidad Estricta.
Referencias: Hayashi (2000). Cap. 1 (1.1).
Tema 4 (Semana 4 y 5)
Causalidad. Distintas nociones de causalidad en econometría y filosofía. El
problema del contrafactual. Experimentos aleatorios. Regresión y Causalidad.
Referencias: Heckman (2008) Chen and Pearl (2013). Hoover(2006) Pearl (2014)
Tema 5 (Semana 5 y 6)
El Álgebra de MCO: repaso de algunos conceptos útiles de cálculo multivariado y
álgebra lineal. derivación del estimador MCO. Ecuaciones normales. Expresiones
alternativas del estimador MCO. Interpretación de las ecuaciones MCO. Pronósticos
condicionales versus no condicionales.
Referencias: Hayashi (2000). Cap. 1 (1.2). Casella y Berger (2002). Cap 4 (4.1, 4.2,
4.5, 4.6)
Tema 6 (Semana 7)
Otros conceptos algebraicos: valor estimado. Matrices de proyección y de
generación de residuales. Sumas de Residuales al Cuadrado, Explicadas de
Cuadrados, Total de Cuadrados. Varianzas. Grados de Libertad. Errores Estándar.
Error muestral. Bondad de Ajuste: 𝑅2 centrado, no centrado, ajustado y no ajustado.
La distribución del coeficiente de determinación y su interpretación. Análisis
Influencial.
Referencias: Hayashi (2000). Cap. 1 (1.2).
Tema 7 (Semanas 8 y 9)
Propiedades de muestra finita del estimador de MCO: Insesgadez, Expresión de la
Varianza condicional del estimador MCO. Teorema de Gauss Markov.
Ortogonalidad y covariación de los residuales y las regresoras. Propiedades del
estimador de la varianza MCO.
Referencias: Hayashi (2000). Cap. 1 (1.3).
Tema 8 (Semana 10)
Introducción del Supuesto de Normalidad Condicional en muestra finita (pequeña).
Pruebas de Hipótesis. Distribuciones muestrales del estimador MCO. Hipótesis
sobre un solo parámetro (estadístico t) y varios parámetros (estadístico F).
Intervalos de confianza. Valores en probabilidad.
Referencias: Hayashi (2000). Cap. 1 (1.4).
Tema 9 (Semana 11)
Estimación por Máxima Verosimilitud y su relación con MCO bajo el supuesto de
normalidad condicional. El principio de Máxima Verosimilitud. MV concentrada.
Cota de Cramer Rao y estimación lineal eficiente. Criterios de selección de modelos.
Algunos conceptos de teoría asintótica: estimación consistente.
Referencias: Hayashi (2000). Cap. 1 (1.5). Cap.2 (2.1-2.3)
Tema 10 (Semanas 12 y 13)
Violación del Supuesto de Perturbaciones esféricas: heteroscedasticidad y
autocorrelación. Mínimos Cuadrados Generalizados. Pruebas de diagnóstico sobre
los residuales. Estimación eficiente con perturbaciones no esféricas. Errores estándar
robustos. Multicolinealidad, detección y ¿qué hacer? .
Referencias: Hayashi (2000). Cap. 1 (1.6). Greene(2002) Cap. 10,11,12.
REFERENCIAS BIBLIOGRÁFICAS
Casella, G. y Berger, R. (2002) Statistical Inference, 2da edición, Duxbury.
Hayashi, F. (2000). Econometrics, Princeton University Press.*
Sargent, T. y Sims, C. (2011) Empirical Macroeconomics, Motivación del premio
Nobel en Economía de 2011.
White, H. (2000) Asymptotic Theory for Econometricians, 2ed. Revisada, Academic
Press.
Wooldridge, J. (2009) Introductory Econometrics. 4ed. South-Western. En español
se llama Introducción a la Econometría, 2ed.
Heckman, James (2008) “Econometric Causality” International Statistical Review ,
76 (1): 1-27.
Hoover, Kevin D. (2006) “Causality in Economics and Econometrics”, New
Palgrave Dictionary of Economics.
Chen, Bryant y Pearl, Judea (2013) “Regression and Causation: A Critical
Examination of Six Econometrics Textbooks” Real World Economics
Review, 65: 2-20.
Pearl, Judea (2014) “Causes and Effects, from Philosophy to Science”,
forthcomming Journal of Sociological Methods and Research
Frisch, R. (1933) Nota Editorial, Ecometrica, 1(1): 1-4.
Greene, W. (2002) Econometric Analysis, 5a Edición, Prentice Hall.