Tabla de contenido
1 REGRESIÓN LINEAL SIMPLE
1.1. INTRODUCCIÓN A LA REGRESIÓN LINEAL SIMPLE
1.2. MODELO CLÁSICO DE REGRESIÓN LINEAL: RECTA DE REGRESIÓN SIMPLE MUESTRAL
1.3. MÉTODO DE ESTIMACIÓN DE MÍNIMOS CUADRADOS ORDINARIOS (MCO)
1.4. PROPIEDADES DE LOS ESTIMADORES MCO
1.5. CÁLCULOS ADICIONALES SOBRE LOS ESTIMADORES MCO Y LA VARIANZA DEL ERROR
1.6. MEDIDAS DE BONDAD DE AJUSTE
1.7. PRUEBAS DE HIPÓTESIS
2 MODELO REGRESIÓN LINEAL MÚLTIPLE
2.1. FUNCIÓN DE REGRESIÓN POBLACIONAL
2.2. FUNCIÓN DE REGRESIÓN MUESTRAL
2.3. SUPUESTOS DEL MODELO CLÁSICO DE REGRESIÓN LINEAL
2.4. ESTIMACIÓN MCO
2.5. PROPIEDADES DE LOS ESTIMADORES MCO
2.6. MEDIDAS DE BONDAD DE AJUSTE
2.7. PRUEBAS DE HIPÓTESIS
2.8. UNA VISIÓN MATRICIAL
3 MULTICOLINEALIDAD
3.1. DEFINICIÓN
3.2. CAUSAS
3.3. CONSECUENCIAS
3.4. DETECCIÓN
3.5. CORRECCIÓN
4 HETEROSCEDASTICIDAD
4.1. DEFINICIÓN DE HETEROSCEDASTICIDAD
4.2. CAUSAS DE LA HETEROSCEDASTICIDAD
4.3. CONSECUENCIAS DE UTILIZAR MCO EN PRESENCIA DE HETEROSCEDASTICIDAD
4.4. TEST DE HETEROSCEDASTICIDAD DE PARK
4.5. TEST DE HETEROSCEDASTICIDAD DE GLEJSER
4.6. TEST DE HETEROSCEDASTICIDAD DE GOLDFELD-QUANDT
4.7. TEST DE HETEROSCEDASTICIDAD DE BREUSCH-PAGAN-GODFREY
4.8. TEST DE HETEROSCEDASTICIDAD DE WHITE
4.9. MEDIDAS CORRECTIVAS CUANDO SE CONOCE : MÉTODO DE MÍNIMOS CUADRADOS PONDERADOS
4. 10. MEDIDAS CORRECTIVAS CUANDO NO SE CONOCE : MÉTODO DE WHITE
PROPORCIONAL AL CUADRADO DE LA VARIABLE REGRESORA
4.12. TRANSFORMACIÓN DE MODELOS CUYA VARIANZA DEL ERROR ES PROPORCIONAL A LA VARIABLE REGRESORA
4.13.TRANSFORMACIÓN DE MODELOS CUYA VARIANZA DEL ERROR ES PROPORCIONAL AL CUADRADO DE LA ESPERANZA MATEMÁTICA DE LA VARIABLE REGRESANDO
4.14. TRANSFORMACIÓN DE MODELOS LIN-LIN A MODELOS LOG-LOG
5 AUTOCORRELACIÓN
5.1. DEFINICIÓN
5.2. MODELO AUTORREGRESIVO (AR)
5.3. CAUSAS
5.4. CONSECUENCIAS
5.5. DETECCIÓN
5.6. CORRECCIÓN
6 VARIABLES DUMMY
6.1. DEFINICIÓN
6.2. MODELOS ECONOMÉTRICOS CON VARIABLES DUMMY
7 PRUEBAS DE DIAGNÓSTICO Y SELECCIÓN DE MODELOS
7.1. INTRODUCCIÓN
7.2. PRUEBAS DE DIAGNÓSTICO
7.3. CRITERIOS DE SELECCIÓN DEL MODELO
8 MODELOS DE REGRESIÓN NO LINEALES
8.1. DEFINICIÓN
8.2. ESTIMACIÓN
9 MODELOS DE RESPUESTA CUALITATIVA
9.1. INTRODUCCIÓN
9 2. MODELO LINEAL DE PROBABILIDAD (MLP)
9.3. LOGIT
9.4. PROBIT
10 DATA PANEL
10.1. DEFINICIÓN DE MODELOS DE REGRESIÓN CON DATOS DE PANEL
10.2. VENTAJAS
10.3. TIPOS
10.4. TÉCNICAS DE ESTIMACIÓN CON DATA PANEL
10.5. PRUEBA DE HAUSMAN
10.6. PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES
10.7. COMPARACIÓN ENTRE EL MODELO DE EFECTOS FIJOS (MEF) Y EL MODELO DE EFECTOS ALEATORIOS (MCE)
11 MODELOS ECONOMÉTRICOS: AUTORREGRESIVOS Y DE REZAGOS DISTRIBUÍDOS
11.1. MODELO ECONOMÉTRICO DE REZAGOS DISTRIBUÍDOS DE KOYCK
11.2. MODELO ECONOMÉTRICO DE EXPECTATIVAS ADAPTATIVAS
11.3. MODELO DE AJUSTE PARCIAL
11.4. MODELO ECONOMÉTRICO DE REZAGOS DISTRIBUÍDOS DE ALMON
11.5. CAUSALIDAD DE SERIES DE TIEMPO
11.6. TEST DE CAUSALIDAD DE GRANGER
12 MODELOS ECONOMÉTRICOS DE ECUACIONES SIMULTÁNEAS
12.1. INTRODUCCIÓN: ÁLGEBRA DE SISTEMAS DE ECUACIONES SIMULTÁNEAS
12.2. TIPOS DE VARIABLES EN EL MODELO DE ECUACIONES SIMULTÁNEAS
12.3. TIPOS DE MODELOS DE ECUACIONES SIMULTÁNEAS
12.4. MODELO ECONOMÉTRICO ESTRUCTURAL POBLACIONAL DE ECUACIONES SIMULTÁNEAS
12.5. PROBLEMA DE ESTIMACIÓN DEL MODELO ECONOMÉTRICO ESTRUCTURAL POBLACIONAL
12.6. MODELO ECONOMÉTRICO REDUCIDO POBLACIONAL DE ECUACIONES SIMULTÁNEAS
12.7. PROBLEMA DE IDENTIFICACIÓN DE ECUACIONES ESTRUCTURALES POBLACIONALES
12.8. CONDICIÓN DE ORDEN PARA LA IDENTIFICACIÓN DE UNA ECUACIÓN ESTRUCTURAL
12.9. CONDICIÓN DE RANGO PARA LA IDENTIFICACIÓN DE UNA ECUACIÓN ESTRUCTURAL
12.10. MÉTODO DE MÍNIMOS CUADRADOS INDIRECTOS (MCI)
12.11. TEST DE SIMULTANEIDAD DE HAUSMAN
12.12. ESTIMACIÓN MCO EN MODELOS RECURSIVOS
12.13. MÉTODO DE ESTIMACIÓN DE MÍNIMOS CUADRADOS EN DOS ETAPAS (MC2E)
13 SERIES DE TIEMPO: ESTACIONARIEDAD, RAIZ UNITARIA Y COINTEGRACIÓN
13.1. DEFINICIONES
13.2. ESTACIONARIEDAD DE UN PROCESO ESTOCÁSTICO
13.3. PROCESO ESTOCÁSTICO NO ESTACIONARIO: MODELO DE CAMINATA ALEATORIA
13.4. PROCESO ESTOCÁSTICO DE RAÍZ UNITARIA
13.5. OTROS CONCEPTOS IMPORTANTES
13.6. PRUEBAS DE ESTACIONARIEDAD (DÉBIL)
13.7. PRUEBA DE RAÍZ UNITARIA
13.8. CONCEPTOS ADICIONALES SOBRE PRUEBAS DE ESTACIONARIEDAD
13.9. COINTEGRACIÓN
14 MODELOS ARIMA
14.1. CREACIÓN DE MODELOS ECONOMÉTRICOS PARA SERIES
14.2. METODOLOGÍA DE BOX-JENKINS (BJ)
14. 3. IDENTIFICACIÓN
14. 4. ESTIMACIÓN
14. 5. EXAMEN DE DIAGNÓSTICO
14. 6. PRONÓSTICO
ANEXOS
J. FERNANDO LARIOS
Doctorado en Educación en la Universidad San Martín de Porres. Master of Science en Economía de Iowa State University. Ingeniero Estadístico de la Universidad Nacional Agraria, la Molina. Realizó estudios de especialización en desarrollo agrícola en University of Wisconsin-Madison y en educación para la sostenibilidad, medio ambiente, economía e interculturalidad en la Universidad de Granada.
V. JOSUÉ ÁLVAREZ
Bachiller en Economía por la Universidad San Ignacio de Loyola. Cuenta con formación en Matemática por la Sociedad Matemática Peruana y por el Instituto de Matemática y Ciencias Afines (IMCA). Además es miembro de las sociedades académicas: The Econometric Society, American Mathematical Society (AMS), AMerican Economic Association (AEA) y Sociedad Matemática Peruana.
RICARDO QUINECHE
Master en Economía por la Pontificia Universidad Católica del Perú, en donde es el Master más joven y el único que ha culminado los estudios de pregrado y posgrado solamente en 6 años. Realizó estudios de especialización en el Banco Central de Reserva del Perú (58° Curso de Extensión Universitaria de Economía 2011) y en la Escuela del Instituto Nacional de Defensa de la Competencia y de la Protección de la Propiedad Intelectual (XII Curso de Extensión Universitaria sobre Políticas de Competencia y Propiedad Intelectual)
