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.

• 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.

• 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.

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.

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.

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.

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.

-Hojas de problemas (teóricos y prácticos)

-Ejercicios realizados en las clases prácticas

-Participación del alumno en clase

-Trabajo práctico entregado en Studium

-Examen final

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.

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.