FACULTAD DE CIENCIAS SOCIALES

SLABO SEMESTRE 2012-II

I.

INFORMACIN GENERAL Nombre del curso Cdigo del curso Carcter Crditos Nmero de horas de teora Nmero de horas de prctica Profesor del curso Horario : Econometra 1 : ECO261 : Obligatorio : 5 crditos : 4 horas : 2 horas : Luis Garca Nez : 0621

II.

FUNDAMENTACIN Sumilla: Introduccin: los objetivos de la econometra. Modelo clsico de regresin lineal: estimacin, inferencia y prediccin con el modelo de regresin simple y mltiple. Extensiones del modelo lineal multivariado. Estimacin con restricciones lineales. Variables ficticias. Pruebas de cambio estructural. Error de especificacin. Problemas con las variables: multicolinealidad, observaciones incompletas. Estimadores de mxima verosimilitud y distribuciones asintticas. Modelo de regresin con perturbaciones no esfricas. Heteroscedasticidad, autocorrelacin. El modelo de mnimos cuadrados generalizados. Sistemas de ecuaciones. Modelos autorregresivos y de rezagos distribuidos; mnimos cuadrados recursivos. Errores en las variables. Introduccin al sistema de ecuaciones simultneas. Identificacin. Estimacin. Fundamentacin: La econometra moderna nace como una necesidad de la ciencia econmica por verificar si las conclusiones de las teoras econmicas son consistentes con los datos de la vida real. En si misma es el resultado de la confluencia de la economa con la estadstica, apoyada fuertemente en las matemticas. Sin embargo sus aplicaciones no se limitan solamente a la economa, pudiendo abarcar a otras ciencias sociales y humanas. En esta etapa de los estudios de economa, despus de haber recibido una slida formacin en microeconoma, macroeconoma, estadstica y matemticas; los estudiantes de economa de sexto nivel estn en la capacidad de entrar en el fascinante mundo de la econometra. Es un curso medular en la carrera, el cual contribuir en forma importante en su formacin como cientficos sociales y les permitir en el futuro desarrollar sus tesis.

III.

ESTRUCTURA TEMTICA (* = Lectura obligatoria) 1. Nociones Bsicas. Qu es la econometra? Las preguntas cuantitativas. El experimento aleatorio controlado. Datos experimentales versus observaciones. Tipos de datos: corte transversal, series de tiempo y datos de panel. Distincin entre modelo y mtodo economtrico. Etapas en el trabajo economtrico. Repaso de probabilidades y estadstica I.

* [SW]: Captulos 1 y 2 secciones 2.1-2.5. * [GU]: Introduccin, Captulo 1 y Apndice A (Revisin de Estadstica). [JD]: Captulo 1 secciones 1.1-1.3 2. El Modelo de Regresin Lineal Clsico. 2.1 El modelo bivariado. Los supuestos bsicos del modelo. Estimacin por mnimos cuadrados ordinarios (MCO). Propiedades de los estimadores MCO. Varianzas y covarianzas de los parmetros. El teorema de Gauss-Markov. Coeficiente de determinacin R-cuadrado. Ejemplos y aplicaciones. * [GU]: Captulos 2, 3 y apndice 3A. * [SW]: Captulo 4 secciones 4.1-4.2 [JD]: Captulo 1 seccin 1.4 y 1.5 2.2 El modelo lineal con k variables. Revisin de algebra matricial. Supuestos del modelo con k variables. Estimacin por MCO y sus propiedades. Estimacin de la varianza. Regresiones particionadas. Omisin de variables relevantes. Inclusin de variables irrelevantes. Descomposicin en suma de cuadrados. El Rcuadrado ajustado, y los criterios de Akaike y Schwartz para seleccin de modelos. * [GU]: Apndices B y C.1-C.5. Captulo 7 y apndice 7A. Captulo 13 secciones 13.1-13.3. [GR]: Captulo 2 y 3 secciones 3.1-3.3, 3.5 * [JD]: Captulo 3 secciones 3.1, 3.4 hasta 3.4.4, y apndice 3.2 2.3. Inferencia en el modelo lineal mltiple. Supuesto de normalidad del trmino de perturbacin u. Prueba de hiptesis sobre los parmetros: pruebas t y F. La significancia y el p-valor. Tamao y poder de una prueba. Prueba de hiptesis lineales. Estimacin con restricciones lineales y procedimientos alternativos. Intervalos de confianza de uno o ms parmetros. Prediccin en el modelo de k variables. * [GU]: Captulos 4, 5, 8. [GR]: Captulo 4 secciones 4.3, 4.6, 4.8, * Captulo 6 secciones 6.1-6.3 * [JD]: Captulo 3 secciones 3.4.5-3.4.7 y 3.5, y apndice 3.4 3. Otros Temas en Regresin Lineal Mltiple. Multicolinealidad. Test de constancia de parmetros y cambio estructural. Pruebas CUSUM y CUSUM cuadrado. Las variables ficticias o dummy y su interpretacin. La trampa de las dummies. Modelos lineales y no lineales. Aplicaciones para regresiones lineales mltiples. * [GU]: Captulo 9, 10; Captulo 6 (opcional); [SW]: Captulo 6. * [GR]: Captulo 4 seccin 4.9, Captulo 7 secciones 7.2, 7.4 (excepto 7.4.4), y 7.5.2 * [JD]: Captulo 2 secciones 2.1-2.3; Captulo 4 secciones 4.3.3-4.3.5, 4.4-4.6 4. Principios de Teora Asinttica. La ley de los grandes nmeros y consistencia. Convergencia en probabilidad. El teorema central del lmite y convergencia en distribucin. Aplicacin al caso de los parmetros de MCO. Propiedades asintticas del estimador MCO. Consistencia, normalidad asinttica y la estimacin de la varianza asinttica. Inferencia. * [SW]: Captulo 2.6 * [GR]: Captulo 5 seccin 5.2.1 [JD]: Captulo 2 secciones 2.4.1-2.4.3 5. Estimacin por Mxima Verosimilitud.

Supuesto de normalidad de las perturbaciones y la funcin de verosimilitud. Consistencia de los estimadores de mxima verosimilitud. La matriz de informacin y la cota mnima de Cramer-Rao. Estimacin del modelo de regresin lineal normal. Tests de Razn de Verosimilitud, Wald y Multiplicadores de Lagrange. * [GU]: Apndice 4A y 8A * [JD]: Captulo 2 seccin 2.6; Captulo 5 secciones 5.1-5.3 [GR]: Captulo 17 secciones 17.1-17.3, teorema 17.1, seccin 17.6 pginas 492-493. 6. Levantamiento de los Supuestos en el MRLC. 6.1 Perturbaciones no esfricas. Propiedades del estimador MCO con perturbaciones no esfricas. El estimador de mnimos cuadrados generalizados. El problema de la heterocedasticidad. Eficiencia de los estimadores MCO y MCG cuando hay heterocedasticidad. Tests de heterocedasticidad y soluciones. La estimacin de la varianza consistente con heterocedasticidad. La autocorrelacin. Deteccin, consecuencias y correccin del problema. El caso AR(1) y MA(1). * [GU]: Captulo 11 y 12 [GR]: Captulo 10 seccin 10.1 y 10.3. Captulo 11 secciones 11.4 y 11.5. Captulo 12 secciones 12.1-12-3 * [JD]: Captulo 5 seccin 5.4; Captulo 6 secciones 6.1-6.7 6.2 Correlacin entre los regresores y el trmino de perturbacin. Ejemplo 1: Error de medicin de las variables. Ejemplo 2: Causalidad simultnea. Inconsistencia del estimador de MCO. El estimador de VI o Mnimos cuadrados en dos etapas (MC2E). * [GU]: Captulo 13 seccin 13.5 [GR]: Captulo 5 seccin 5.4 * [JD]: Captulo 5 seccin 5.5 [SW]: Captulo 10 7. Introduccin a los Modelos de Ecuaciones Simultneas. El problema de la identificacin. Mtodos de estimacin: MCI, MC2E. * [GU]: Captulo 18, 19 y 20.

IV.

METODOLOGA El objetivo general de este primer curso de econometra es que los estudiantes aprendan las herramientas bsicas de la econometra clsica y sus aplicaciones. Al terminar el curso, los alumnos que hayan aprobado tendrn las habilidades suficientes para elaborar un trabajo de investigacin de econometra aplicada en un nivel bsico, y asimismo, poseern los conocimientos suficientes para estudiar mtodos ms avanzados en el curso de Econometra 2. Son cinco las habilidades especficas que el curso intenta desarrollar: Dominio de los principales conceptos economtricos. Capacidad analtica para afrontar temas economtricos tericos y empricos. Habilidad con el algebra lineal y matricial. Facilidad para interpretar cuadros y grficos economtricos. Capacidad para realizar algunas demostraciones simples. Para conseguir estos objetivos la metodologa del curso consistir en la exposicin del profesor en la pizarra y algunas veces mediante presentaciones multimedia y separatas. Dado el carcter abstracto (pero no difcil) de algunos de los temas del curso, se exigir una activa participacin de los alumnos, quienes sern evaluados permanentemente a lo largo del semestre. Las clases

tericas se complementarn con prcticas dirigidas para reforzar el razonamiento matemtico y sesiones de laboratorios para familiarizarse con paquetes economtricos y estadsticos (STATA).

V.

CRONOGRAMA Semana
20 25 ago. 27 ago. 01 set.

Temas Introduccin. Supuestos del MRLC bivariado. Funcin de regresin muestral. Mtodo MCO. Estimacin y propiedades estadsticas (media y varianza de

03 08 set.

1 y

2 ).Teorema de Gauss Markov.

Intervalos de confianza. Pruebas de Hiptesis. El modelo lineal con K variables. Supuestos.
2

Prcticas y Evaluaciones No hay prctica Feriado Jueves 30 oct. PD1 (sb.) PD2 (sb.) Ctrl 1 (mar. 04-09, 8 am) PD3 (sb.) PC1 (vie. 14-09, 6 pm)

10 15 set.

17 22 set.

Estimacin por MCO. Propiedades estadsticas de . Estimador de . PD4 (sb.) Error de especificacin: Omisin de variables relevantes, Inclusin de Ctrl 2 (jue. 20-09) variables irrelevantes.
Descomposicin de la suma de cuadrados. R2, R2-ajustado, Akaike y Schwartz. Inferencia. Hiptesis Lineales. Estimacin con restricciones. Prediccin. PD5 (sb.)

24 29 set. 01 06 oct. 08 13 oct. 15 20 oct. 22 27 oct. 29 oct. 03 nov. 05 10 nov. 12 17 nov. 19 24 nov. 26 nov. 01 dic. 03 08 dic. 10 15 dic.

PC2 (vie. 05-10, 6 pm) PD6 (sb) Examen Parcial Exmenes Parciales (13-10-2012, 11 a.m.) Multicolinealidad. Variables ficticias. Cambio Estructural. PD7 (sb.) CUSUM y CUSUM square. Teora Asinttica. Convergencia en Ctrl 3 (jue. 25-10) probabilidad y convergencia en distribucin. PD8 (sb.) Propiedades Asintticas del estimador por MCO. Estimacin por Mxima Feriado Jueves 1 de Nov. Verosimilitud. Tests de Razn de Verosimilitud, Wald y LM. PC3 (sb 03-11, 11 a.m.) Propiedades de MCO con perturbaciones no esfricas. Estimacin por PD9 (sb.) MCG y MCGF. Heterocedasticidad. Tests. Ctrl 4 (jue. 15-11) Autocorrelacin. Naturaleza del problema, deteccin y correccin. PD10 (sb.) PC4 (vie. 23-11, 6 pm) Correlacin entre los regresores y el trmino de perturbacin. PD11 (sb.) Estimacin por Variables Instrumentales. Ecuaciones Simultneas. PD12 (sb.) Examen Final (15-12-2012, 11 a.m.) Trabajo Final (17-12-2012, 12 m.)

Exmenes Finales

VI.

EVALUACIN

Tipo de Evaluacin Examen Parcial Examen Final Promedio de Prcticas Calificadas (4 en total, se elimina la menor nota) Promedio de Controles de lectura (4 en total, no se elimina ninguno) Trabajo final del curso

Ponderacin sobre la nota final 30% 30% 25% 5% 10%

Frmula de calificacin:

Promedio = 0.30*Examen Parcial + 0.30*Examen Final +0.25*Promedio de Prcticas + 0.05*Promedio de Controles + 0.10*Trabajo Los alumnos que obtengan un promedio mayor o igual a 10.5 (segn los clculos y redondeos realizados por la facultad) aprobarn el curso. No se tomar pruebas adicionales a quienes no alcancen dicho puntaje.

VII.

BIBLIOGRAFA

[GU] Gujarati, Damodar y Dawn Porter. [JD] Johnston, J. y J. DiNardo. [GR] Greene, William. [SW] Stock J. H. y Watson M.W.

Econometra. Quinta Edicin. Mxico: McGraw Hill. 2010. Mtodos de Econometra. Traduccin de la 4ta edicin (Murillo C. F.). Barcelona: Vicens Vives. 2001 Econometric Analysis. Quinta Edicin. New Jersey: Prentice Hall. 2003. Introduction to Econometrics. Primera Edicin. Boston: Addison Wesley. 2003.

Tanto los libros de Gujarati (4ta edicin) y Johnston y Dinardo (4ta edicin) se encuentran disponibles en alquiler en el Banco del Libro de la PUCP. Ocasionalmente se podrn asignar lecturas adicionales para los controles. Se avisar en clase sobre las mismas.

VIII.

ASESORIA Los alumnos pueden acudir al horario de asesora brindado por el profesor los das viernes de 10 a 12 a.m. en la oficina del profesor en el Departamento de Economa.

IX.

SANCIONES POR PLAGIO En el presente curso se aplica las polticas de la Facultad y de la Universidad sobre el plagio. El incumplimiento de este cdigo puede generar desde la anulacin de la prueba a la expulsin de la universidad del o los alumnos implicados.

Lima, 16 de Agosto de 2012