Fundamentos de Econometría.

$89.000

PayU Pagos Seguros

Pagos 100% seguros

PayU Pagos Seguros

Fundamentos de Econometría.

Formato: Libro | Autor: Fernando Larios  | Descripción: Este libro se constituye en una valiosa herramienta de análisis estadístico-económico de datos de tipo series de tiempo y de corte transversal de principales variables macro y microeconómicas, de relevancia crítica en toda investigación económica moderna.

Está organizado en 14 capítulos.  Los primeros siete capítulos estudian: supuestos y elaboración de modelos de regresión lineal simple y múltiple, dificultades, detección y corrección de problemas de multicolinealidad, heteroscedasticidad y autocorrelación, variables dummy, y pruebas de diagnóstico y mejor selección de modelos econométricos.

Los últimos siete capítulos abordan: modelos de regresión no lineal, modelos de respuesta cualitativa, data panel, modelos dinámicos (autorregresivos y de rezagos distribuidos), construcción y estimación de modelos de ecuaciones simultáneas, análisis de estacionariedad, raíz unitaria y cointegración de modelos uniecuacionales, e introducción a la construcción y estimación de modelos ARIMA.

Estos contenidos son útiles a alumnos de econometría y proyectos de investigación económica, y en general a egresados de economía, especialistas en finanzas y profesionales de otras áreas afines.

Fernando Larios

Área:

Editorial: Ediciones de la U

Coedición: Fondo Editorial USIL

ISBN: 9789587624625

Precio en Dólares: USD$ 26.97

*Este valor puede ser aproximado y podrá variar al momento del pago.

EdiciónFormatoPáginasAcabadosTamaño
2017 Impreso 464 Rústica 22 x 28 cm.
SKU: 9789587624625 Categoría:

Descripción

Este libro se constituye en una valiosa herramienta de análisis estadístico-económico de datos de tipo series de tiempo y de corte transversal de principales variables macro y microeconómicas, de relevancia crítica en toda investigación económica moderna.

Está organizado en 14 capítulos.  Los primeros siete capítulos estudian: supuestos y elaboración de modelos de regresión lineal simple y múltiple, dificultades, detección y corrección de problemas de multicolinealidad, heteroscedasticidad y autocorrelación, variables dummy, y pruebas de diagnóstico y mejor selección de modelos econométricos.

Los últimos siete capítulos abordan: modelos de regresión no lineal, modelos de respuesta cualitativa, data panel, modelos dinámicos (autorregresivos y de rezagos distribuidos), construcción y estimación de modelos de ecuaciones simultáneas, análisis de estacionariedad, raíz unitaria y cointegración de modelos uniecuacionales, e introducción a la construcción y estimación de modelos ARIMA.

Estos contenidos son útiles a alumnos de econometría y proyectos de investigación económica, y en general a egresados de economía, especialistas en finanzas y profesionales de otras áreas afines.

Información adicional

Peso 0.056 kg
Acabados

ano

Área

Autor

Coeditor

Colección

Editorial

Formato

Páginas

Peso

Tamaño

Subtítulo

Autor n1

Autor a1

Autor 2

Autor 3

Número de edición

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)