200 horas
Modalidad Online
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.
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 profesionales
Dirección o gestión de empresas. Banca e instituciones financieras. Docencia. Economía.
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.
Temario
- Introducción
- Especificación del modelo de regresión lineal múltiple
- 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
- Inferencia estadística del MRLM II
- - Contraste de hipótesis sobre un parámetro. Intervalo de confianza
- - Contraste de significación del modelo
- Sumas de cuadrados, análisis de la varianza y R2
- El proceso de predicción
- Estimación restringida
- - Introducción al método de mínimos cuadrados restringidos (MCR).Contrastes de hipótesis
- Contrastes de cambio estructural, linealidad y normalidad
- Errores de especificación
- Introducción
- Influencia potencial
- Influencia real
- Observaciones atípicas
- Multicolinealidad: definición, grados y consecuencias
- 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
- Posibles soluciones a la multicolinealidad
- - Incorporación de nueva información
- - Especificación de un nuevo modelo
- - Métodos alternativos de estimación
- Introducción
- El modelo de regresión con variables ficticias
- Una nueva versión del contraste de cambio estructural
- Introducción
- Consecuencias en la estimación por MCO
- Estimador Mínimo Cuadrático Generalizado (MCG)
- Comparación entre el estimador MCO y MCG
- Heteroscedasticidad
- - La naturaleza de la relación entre las variables
- - La transformación de variables
- - La omisión de variables relevantes
- 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
- Contrastes de heteroscedasticidad
- - El contraste de Goldfeld-Quandt
- - El contraste de Breusch-Pagan
- - El contraste de White
- Autocorrelación
- - La existencia de ciclos y/o tendencias
- - Relaciones no lineales
- - La omisión de variables relevantes
- Esquemas lineales con comportamiento autocorrelacionado
- Métodos de estimación en presencia de autocorrelación
- - El método de Cochrane-Orcutt
- - El método de Prais-Winsten
- - El método de Durbin
- 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
- Introducción
- Modelos de elección discreta (variable dependiente dicotómica)
- - Modelo lineal de probabilidad
- 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)
- 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
- 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
- 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
- Variaciones del Modelo Tobit Standard
- 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
- Introducción a los modelos de recuento.
- Introducción
- Tipología de modelos con datos de panel
- 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
- 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
- El modelo dinámico
- Contrastes de especificación en el modelo dinámico
- - Contraste para la autocorrelación de la perturbación
- - Contraste para la sobreidentificación de instrumentos
Titulación
TITULACIÓN expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y reconocido con la excelencia académica en educación online por QS World University Rankings