Guías Académicas

ECONOMETRÍA

ECONOMETRÍA

Doble Titulación de Grado en Administración y Dirección de Empresas y Grado en Ingeniería Informática

Curso 2023/2024

1. Datos de la asignatura

(Fecha última modificación: 26-05-23 13:32)
Código
103826
Plan
2020/21
ECTS
6
Carácter
Curso
5
Periodicidad
Primer Semestre
Idioma
ESPAÑOL
Área
FUNDAMENTOS DEL ANÁLISIS ECONÓMICO
Departamento
Economía e Historia Económica
Plataforma Virtual

Studium

 

Datos del profesorado

Profesor/Profesora
José Antonio Ortega Osona
Grupo/s
1 y 2
Centro
Fac. Economía y Empresa
Departamento
Economía e Historia Económica
Área
Fundamentos del Análisis Económico
Despacho
234
Horario de tutorías
-
URL Web
https://diarium.usal.es/jaortega/
E-mail
jaortega@usal.es
Teléfono
923 294500 Ext 3172
Profesor/Profesora
Ines Jiménez Jiménez
Grupo/s
3
Centro
Fac. Economía y Empresa
Departamento
Economía e Historia Económica
Área
Fundamentos del Análisis Económico
Despacho
219
Horario de tutorías
-
URL Web
-
E-mail
inesjimenez@usal.es
Teléfono
-

2. Sentido de la materia en el plan de estudios

Bloque formativo al que pertenece la materia.

Fundamentos Económicos y Métodos Cuantitativos.

Papel de la asignatura.

La asignatura contribuye a la adquisición de competencias específicas y transversales del Módulo “Fundamentos Económicos y Métodos Cuantitativos.”, y por ende, de las del Plan de Estudios

Perfil profesional.

Director y Administrador de Empresas.

3. Recomendaciones previas

  • Conocimiento de: Álgebra, Análisis Matemático, Estadística I, Estadística II, Macroeconomía y Microeconomía I.

    Conocimientos básicos de informática (entorno Windows)

4. Objetivo de la asignatura

  • Conocer la teoría que sustenta el uso de algunos métodos econométricos para el análisis de datos, necesario en la toma de decisiones de la empresa.
  • Desarrollar la capacidad del alumno de elegir entre las técnicas que conoce, aquellas que son más adecuadas para el análisis de datos en un caso en particular.
  • Aprender a aplicar los métodos econométricos estudiados en un contexto empírico, manteniendo un sentido crítico al evaluar la incertidumbre asociada a los resultados obtenidos.
  • Adquirir la destreza para juzgar los resultados de análisis econométricos obtenidos, y/o para iniciarse en la realización de investigaciones empíricas conducentes a esos resultados.
  • Cierto grado de desarrollo en de la capacidad del alumno para   contribuir al perfeccionamiento y creación de métodos econométricos alternativos, que puedan producir resultados más confiables en el caso empírico particular bajo estudio.
  • Adquirir la habilidad en el uso de software para la construcción de modelos econométricos.

5. Contenidos

Teoría.

Econometría y Análisis de datos.

Manipulación de datos y análisis gráfico.

Econometría, Análisis causal y Experimentos.

Regresión con 1 variable: El Modelo Lineal Simple.

Regresión con 1 variable: Más allá del MLS. Estimadores no paramétricos.

Modelo Lineal General: Estimación e inferencia.

Especificación y selección de modelos.

Relaciones funcionales no lineales.

Variable dependiente cualitativa: Modelos Lineales Generalizados.

Efectos causales con datos observacionales.

Introducción a series temporales y datos de panel.

6. Competencias a adquirir

Básicas / Generales.

Las competencias específicas y transversales que se desarrollarán en esta asignatura contribuyen a que el alumno adquiere las establecidas en el Módulo “Fundamentos Económicos y Métodos Cuantitativos" cuya relación aparece incluida en la Memoria de Verificación del Título de Grado en Administración y Dirección de Empresas..

De forma específica, se trabajan las siguientes competencias:

  • Comprender los elementos de Econometría, aprender métodos econométricos y estar en capacidad de aplicarlos  en un contexto empírico. Cubre competencias D.2 y D.3 del Grado en Administración y Dirección de Empresas.
  • Entrenamiento para discernir entre métodos alternativos  de análisis, y destreza para juzgar los resultados de la aplicación de métodos cuantitativos en el análisis de datos. Cubre competencias D.2, D.3 y D.4 del Grado en Administración y Dirección de Empresas.
  •  Cierto grado de desarrollo de su capacidad para llevar a cabo investigaciones empíricas propias y de su habilidad para contribuir al perfeccionamiento y creación de métodos alternativos de análisis de datos económicos. Cubre competencia D.5 del Grado en Administración y Dirección de Empresas.
  • Habilidad en el uso de software estadístico y econométrico. Cubre competencias D.2 y D.3  del Grado en Administración y Dirección de Empresas.

 

Específicas.

  • Conocer la teoría que sustenta el uso de métodos econométricos para el análisis de datos que proveerá a la empresa de información necesaria en su toma de decisiones.  Cubre competencias E.1, E.6, E.10 y E.20 del Grado en Administración y Dirección de Empresas.
  • Haber desarrollado la capacidad de elegir entre las  técnicas que conoce, aquellas que son más adecuadas para el análisis de datos en un caso en particular. Cubre competencias  E.6 y E.20 del Grado en Administración y Dirección de Empresas.
  • Haber aprendido a aplicar los métodos econométricos estudiados a un contexto empírico, manteniendo un sentido crítico al evaluar la incertidumbre asociada a los resultados obtenidos. Cubre competencias  E.4, E.6 y E.20 del Grado en Administración y Dirección de Empresas.
  • Destreza para juzgar los resultados de análisis econométricos obtenidos por sí mismo, y/o para iniciarse en la realización de investigaciones empíricas conducente a esos resultados. Cubre competencias  E.6 y E.20 del Grado en Administración y Dirección de Empresas.
  • Cierto grado de desarrollo en su capacidad para  contribuir al perfeccionamiento y creación de métodos econométricos alternativos, que puedan producir resultados más confiables en el caso empírico particular bajo estudio. Cubre la competencia  E.6  del Grado en Administración y Dirección de Empresas.
  • Habilidad en el uso de software para la construcción de modelos econométricos. Cubre competencia  E.4  del Grado en Administración y Dirección de Empresas.

Transversales.

  • Capacidad de aprendizaje autónomo. Cubre competencias  F.1, F.8, F.9, F.10, F.13, F.14, F.22, F.23 y F.27 del Grado en Administración y Dirección de Empresas
  • Capacidad de adaptación a nuevas situaciones. Implícito en lo anterior está fomentar la capacidad de adaptar sus conocimientos a nue­vas situaciones.  Cubre competencias  F.1, F.2, F.8 y F.12 del Grado en Administración y Dirección de Empresas
  • Capacidad para desarrollar la crítica científica y la autocrítica. Cubre competencias  F.1, F.8, F.11 y F.27 del Grado en Administración y Dirección de Empresas.
  • Capacidad para el trabajo en equipo y dirigirse hacia objetivos comunes, F.16, F.18.

7. Metodologías

  • Actividades introductorias (dirigidas por el profesor)
  • Actividades teóricas (dirigidas por el profesor):
  • Sesiones magistrales
  • Actividades prácticas guiadas (dirigidas por el profesor):
    • Prácticas en el aula.
    • Prácticas en el aula de informática.
    • Seminarios/Tutorías (atención personalizada, dirigida por el profesor)
  • Actividades prácticas autónomas (sin el profesor):
    • Lecturas complementarias.
    • Realizar y analizar ejemplos empíricos.
    • Hacer demostraciones teóricas.
  • Pruebas de evaluación

8. Previsión de Técnicas (Estrategias) Docentes

9. Recursos

Libros de consulta para el alumno.

Coll Serrano, V. y P. J. Pérez (2018) Curso de Introducción a R, Universidad de Valencia. https://www.uv.es/vcoll/curso_r.html

Diebold, F. (2019) Econometric Data Science, University of Pennsylvania, http://www.ssc.upenn.edu/~fdiebold/Textbooks.html

Fox, J. (2016) Applied Regression Analysis and Generalized Linear Models, Sage. 3ª ed

Hanck C., M. Arnold, A. Gerber y M. Schmelzer (2023) Introduction to Econometrics with R. https://www.econometrics-with-r.org

James, G., D. Witten, T. Hastie y R. Tibshirani (2021) An Introduction to Statistical Learning, with applications in R, Springer. 2ª Ed.. http://statlearning.com/

Uriel Jiménez, E. (2019): Introducción a la Econometría. Universidad de Valencia https://www.uv.es/uriel/libroes.htm

Wooldridge, J.M. (2019), Introductory Econometrics A Modern Approach (7ª Edición), Cengage-Learning.

Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.

Software R (http://cran.r-project.org/) y Rstudio con paquetes tidyverse, mosaic y Rcmdr.

Angrist J. D. y J.-S. Pischke (2016) Dominar la econometría. El camino entre el efecto y la causa, Antoni Bosch.

Canela, M. A. y otros (2019) Quantitatve methods for management. Springer.

Grolemund, Çetinkaya-Rundel y Wickham (2023) R for data science, 2ª Ed.  O´Reilly, https://r4ds.hadley.nz/  [1ª ed en español. https://es.r4ds.hadley.nz/)

Hill, R.C.; Griffiths, W.E.; Lim, G.C. (2018), Principles of Econometrics (5ª Edición), John Wiley.

Stock, J. W.;Watson M. (2012) Introducción a la econometría (3ª Edición), Prentice-Hall. [Disponible en inglés 4ª edición de 2019]

Szreter Noste, M. E. (2017) Apunte de regresión lineal, Universidad de Buenos Aires.

UIB (2019) MOOC Aprende R: Introducción al tratamiento de datos con R y RStudio, https://miriadax.net/web/aprende-r-rstudio

Se proporcionarán más referencias y material a través de Studium.

10. Evaluación

Consideraciones generales.

La asignatura requiere una dedicación media de 150 horas (6 ECTS) por parte del alumno, de las cuales 45 horas (30%) corresponden a dedicación presencial o interacción obligatoria con el profesor, y 105 horas (70%) de trabajo por parte del alumno.

Criterios de evaluación.

El sistema de evaluación es de carácter continuo y contempla la valoración del trabajo por parte del alumno durante el curso (nota base – 40% de la calificación definitiva) y la realización de un examen final (60% de la calificación definitiva).

La asistencia a clase es obligatoria y por lo tanto no forma parte de la calificación final. El no cumplimiento del 80% de dedicación presencial implicará una penalización en la evaluación continua. El estudiante deberá ser capaz de razonar o explicar en las clases presenciales todo lo entregado de forma remota. Caso de no hacerlo será penalizado, y si se repite, puede llevar a una nota de participación de 0.

La nota base estará a disposición del alumno con anterioridad al examen final. Es necesario obtener  una nota mínima de 4 puntos sobre 10 en el examen final para aprobar la asignatura.

Instrumentos de evaluación.

-Hojas de problemas (teóricos y prácticos)

-Ejercicios realizados en las clases prácticas

-Participación del alumno en clase

-Trabajo práctico entregado en Studium

-Examen final

Recomendaciones para la evaluación.

Se recomienda que el alumno se esfuerce por superar la evaluación continua.

Recomendaciones para la recuperación.

La calificación obtenida en la evaluación continua no se recuperará y será mantenida para todas las convocatorias que se realicen durante el año académico que corresponde, así como para la convocatoria de evaluación anticipada correspondiente al siguiente curso académico o a los sucesivos. El examen final se recuperará con las mismas exigencias que el de la evaluación inicial.