• 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.

Cada tema articula tres dimensiones complementarias: contenido teórico, desarrollado en clases magistrales; contenido práctico, abordado en workshops y sesiones de prácticas de ordenador con el software econométrico EViews; y, hacia el final del semestre, contenido de programación econométrica con el apoyo de asistentes de inteligencia artificial generativa, integrado de forma cuidadosamente guiada para reforzar el aprendizaje operacional.

TEMA 1. EL MODELO DE REGRESIÓN LINEAL SIMPLE: ESTIMACIÓN Y PROPIEDADES

1.1. El modelo de regresión simple.

1.2. Estimación por mínimos cuadrados ordinarios (MCO).

1.3. Supuestos del modelo clásico de regresión lineal.

1.4. Propiedades estadísticas de los estimadores MCO.

1.5. Bondad del ajuste: el coeficiente de determinación R².

Referencias: Wooldridge (2016), capítulo 2; Gujarati y Porter (2011), capítulos 3 y 5; Dougherty (2016), capítulo 1; Asteriou y Hall (2021), capítulo 4; Novales (1993), capítulos 2 y 3; Uriel Jiménez (2014), capítulo 2.

TEMA 2. EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE: ESTIMACIÓN Y PROPIEDADES

2.1. El modelo de regresión múltiple.

2.2. Estimación por mínimos cuadrados ordinarios.

2.3. Propiedades estadísticas de los estimadores MCO.

2.4. Bondad del ajuste y selección de regresores.

2.5. Multicolinealidad: diagnóstico y consecuencias.

2.6. Contraste de hipótesis individuales mediante el estadístico t.

2.7. Contraste de restricciones lineales múltiples mediante el estadístico F.

2.8. Predicción a partir del modelo estimado.

Referencias: Wooldridge (2016), capítulos 2, 3, 4 y 5; Gujarati y Porter (2011), capítulos 6, 7 y 9; Dougherty (2016), capítulos 2 y 3; Asteriou y Hall (2021), capítulos 5 y 6; Novales (1993), capítulos 4 y 5; Uriel Jiménez (2014), capítulos 3 y 4.

TEMA 3. ERRORES DE ESPECIFICACIÓN Y SELECCIÓN DE MODELOS

3.1. Errores de especificación en la media: variables omitidas e irrelevantes.

3.2. Sesgo por omisión de variables relevantes.

3.3. Formas funcionales y transformaciones de variables.

3.4. Criterios de selección de modelos: Contraste de Box-Cox, criterios de Información.

3.5. Enfoques metodológicos en la modelización econométrica.

Referencias: Wooldridge (2016), capítulos 6 y 9; Gujarati y Porter (2011), capítulo 8; Dougherty (2016), capítulos 4, 6, 9; Asteriou y Hall (2021), capítulo 8; Novales (1993), capítulo 8; Uriel Jiménez (2014), capítulo 5.

TEMA 4. RELAJACIÓN DE LOS SUPUESTOS CLÁSICOS: HETEROSCEDASTICIDAD

4.1. La matriz de varianzas y covarianzas no escalar.

4.2. Heteroscedasticidad: detección y tratamiento.

4.3. Contrastes de Breusch-Pagan, White, Goldfeld-Quandt

4.4. Estimación por mínimos cuadrados generalizados (MCG).

4.5. Matriz de covarianzas HAC.

Referencias: Wooldridge (2016), capítulo 8; Gujarati y Porter (2011), capítulo 10; Dougherty (2016), capítulo 7; Asteriou y Hall (2021), capítulo 7; Novales (1993), capítulo 6; Uriel Jiménez (2014), capítulo 6.

TEMA 5. RELAJACIÓN DE LOS SUPUESTOS CLÁSICOS: AUTOCORRELACIÓN

5.1. La matriz de varianzas y covarianzas no escalar.

5.2. Autocorrelación: detección y tratamiento. Contraste de Durbin-Watson.

5.3. Contraste de autocorrelación en modelos autorregresivos: Contraste de Durbin-h.

5.4. Tratamiento de la autocorrelacion. Procedimiento de Cochrane-Orcutt.

Referencias: Wooldridge (2016), capítulos 10 y 12; Gujarati y Porter (2011), capítulo 11; Dougherty (2016), capítulo 9; Asteriou y Hall (2021), capítulo 7; Novales (1993), capítulo 6; Uriel Jiménez (2014), capítulo 6.

TEMA 6. ANÁLISIS DE REGRESIÓN CON INFORMACIÓN CUALITATIVA Y CAMBIO ESTRUCTURAL

6.1. La información cualitativa en los modelos econométricos.

6.2. Variables ficticias de intersección.

6.3. Variables ficticias de pendiente.

6.4. Interacciones entre variables ficticias.

6.5. Contraste de Chow para la estabilidad estructural.

Referencias: Wooldridge (2016), capítulo 7; Gujarati y Porter (2011), capítulo 13; Dougherty (2016), capítulo 10; Asteriou y Hall (2021), capítulo 9; Novales (1993), capítulo 7; Uriel Jiménez (2014), capítulo 7.

TEMA 7. SISTEMAS DE ECUACIONES SIMULTÁNEAS

7.1. Uso de los modelos estructurales en Economía.

7.2. Sesgo de las ecuaciones simultáneas.

7.3. Forma estructural y forma reducida.

7.4. El problema de la identificación.

7.5. Condiciones de identificación: orden y rango.

7.6. Estimación por mínimos cuadrados indirectos.

7.7. Estimación por mínimos cuadrados en dos etapas.

Referencias: Wooldridge (2016), capítulo 17; Gujarati y Porter (2011), capítulos 14; Dougherty (2016), capítulo 11; Asteriou y Hall (2021), capítulo 11; Novales (1993), capítulo 10; Uriel Jiménez (2014), capítulo 9.

1. Asteriou, D., & Hall, S. G. (2021). Applied Econometrics (4th ed.). Red Globe Press.
2. Dougherty, C. (2016). Introduction to Econometrics (5th ed.). Oxford University Press.#
3. Gujarati, D. N., & Porter, D. C. (2011). Econometría (5ª ed., edición en español). McGraw-Hill Interamericana.
4. Novales, A. (1993). Econometría (2ª ed.). McGraw-Hill Interamericana.
5. Uriel Jiménez, E. (2014). Introducción a la econometría. Universidad de Valencia. (online)
6. Wooldridge, J. M. (2016). Introducción a la econometría: Un enfoque moderno (6ª ed). Cengage Learning.

Se proporcionarán más referencias y material a través de Studium

La evaluación estará en función de las competencias y resultados del aprendizaje adquiridos.

La evaluación de la asignatura tiene dos partes:

1- Evaluación continua (40% de la nota final). Comprende un trabajo de clase. Asimismo, se valorará la participación activa y la asistencia del estudiante. (Objetivos 3.2, 3.3, 3.4, 3.5).

A juicio del profesorado, y a fin de verificar la autoría y comprensión efectiva de los trabajos entregados, el estudiante podrá ser convocado a un examen oral sobre el contenido de las actividades de evaluación continua.

La evaluación continua no es recuperable.

2- Examen final (60% de la nota final). (Objetivos 3.1, 3.2, 3.3, 3.4)

Para superar la asignatura será requisito imprescindible obtener en el examen final una calificación mínima del 40%. Si no se alcanza dicha calificación mínima, el estudiante deberá repetir el examen final en la en la convocatoria extraordinaria prevista en el calendario académico, con independencia de la nota obtenida en la evaluación continua, que se conservará a tal efecto.

Consideraciones generales y recomendaciones para la evaluación y la recuperación:

• La asistencia a clase es obligatoria, debiendo asistir al menos al 80% de las sesiones.