Econometría – Numbersity

Acerca de este curso

Econometría conecta la teoría económica con los datos reales a través de modelos estadísticos. El curso cubre regresión simple y múltiple, supuestos clásicos y diagnóstico, problemas como heterocedasticidad, autocorrelación y multicolinealidad, además de variables ficticias, datos de panel y series temporales básicas. Se incorporan instrumentos, estimación por MCO/MG y métodos alternativos.

Las lecciones son breves y autocontenidas, con ejemplos en R, Stata y Excel, aplicados a microeconomía, macroeconomía y finanzas. El objetivo es aprender a plantear, estimar y evaluar modelos econométricos, interpretar resultados y comunicar conclusiones sólidas para la toma de decisiones.

Comprender la lógica de la regresión y su interpretación económica.
Dominar regresión simple y múltiple con supuestos clásicos y pruebas.
Detectar y corregir problemas de heterocedasticidad, autocorrelación y multicolinealidad.
Aplicar variables ficticias, datos de panel y series temporales básicas.
Usar software estadístico para estimar, diagnosticar y presentar resultados.
Evaluar modelos y comunicar conclusiones fundamentadas.

Contenido del curso

Módulo 1. Introducción y fundamentos estadísticos
Definición, objetivos y repaso de herramientas estadísticas.

Lección 1.1. ¿Qué es la econometría?
Lección 1.2. Probabilidad e inferencia: repaso esencial
Lección 1.3. Variables aleatorias y distribuciones
Lección 1.4. Estimadores: propiedades y consistencia

Módulo 2. Regresión lineal simple
Modelo básico, estimación y aplicaciones iniciales.

Acerca de este curso

¿Qué aprenderás?

Contenido del curso

Módulo 1. Introducción y fundamentos estadísticos Definición, objetivos y repaso de herramientas estadísticas.

Lección 1.1. ¿Qué es la econometría?

Lección 1.2. Probabilidad e inferencia: repaso esencial

Lección 1.3. Variables aleatorias y distribuciones

Lección 1.4. Estimadores: propiedades y consistencia

Módulo 2. Regresión lineal simple Modelo básico, estimación y aplicaciones iniciales.

Lección 2.1. Modelo y supuestos

Lección 2.2. Estimación por MCO

Lección 2.3. Contrastes e inferencia

Lección 2.4. Bondad de ajuste e interpretación

Módulo 3. Regresión múltiple Extensión a varios regresores y supuestos clásicos.

Lección 3.1. Formulación matricial

Lección 3.2. Supuestos clásicos y Gauss-Markov

Lección 3.3. Contrastes conjuntos y parciales

Lección 3.4. Interpretación aplicada

Módulo 4. Diagnóstico de supuestos Pruebas y consecuencias de violaciones de supuestos.

Lección 4.1. Multicolinealidad: detección y remedios

Lección 4.2. Heterocedasticidad: pruebas y correcciones

Lección 4.3. Autocorrelación: pruebas y soluciones

Lección 4.4. Normalidad y especificación

Módulo 5. Variables ficticias y extensiones Captar efectos cualitativos y cambios estructurales.

Lección 5.1. Variables dicotómicas

Lección 5.2. Modelos con interacciones

Lección 5.3. Cambios de pendiente e intercepto

Lección 5.4. Ejemplos aplicados

Módulo 6. Endogeneidad e instrumentos Problemas de causalidad y soluciones.

Lección 6.1. Origen de la endogeneidad

Lección 6.2. Variables instrumentales

Lección 6.3. Estimación en dos etapas

Lección 6.4. Aplicaciones prácticas

Módulo 7. Series temporales básicas Modelos dinámicos y predicción.

Lección 7.1. Estacionariedad y componentes

Lección 7.2. Modelos AR y MA

Lección 7.3. Modelos ARMA y ARIMA (intro)

Lección 7.4. Predicción y evaluación

Módulo 8. Datos de panel Modelos combinando tiempo y sección cruzada.

Lección 8.1. Estructura de panel

Lección 8.2. Modelos de efectos fijos

Lección 8.3. Modelos de efectos aleatorios

Lección 8.4. Tests de especificación

Módulo 9. Modelos no lineales Cuando el modelo lineal no basta.

Lección 9.1. Modelos logit y probit

Lección 9.2. Modelos tobit

Lección 9.3. Modelos de duración (intro)

Lección 9.4. Aplicaciones en economía

Módulo 10. Proyecto aplicado Síntesis de la asignatura en un caso real.

Lección 10.1. Selección de datos e hipótesis

Lección 10.2. Estimación y diagnóstico

Lección 10.3. Interpretación y discusión

Lección 10.4. Informe y comunicación

Resources

Módulo 1. Introducción y fundamentos estadísticos
Definición, objetivos y repaso de herramientas estadísticas.

Módulo 2. Regresión lineal simple
Modelo básico, estimación y aplicaciones iniciales.

Módulo 3. Regresión múltiple
Extensión a varios regresores y supuestos clásicos.

Módulo 4. Diagnóstico de supuestos
Pruebas y consecuencias de violaciones de supuestos.

Módulo 5. Variables ficticias y extensiones
Captar efectos cualitativos y cambios estructurales.

Módulo 6. Endogeneidad e instrumentos
Problemas de causalidad y soluciones.

Módulo 7. Series temporales básicas
Modelos dinámicos y predicción.

Módulo 8. Datos de panel
Modelos combinando tiempo y sección cruzada.

Módulo 9. Modelos no lineales
Cuando el modelo lineal no basta.

Módulo 10. Proyecto aplicado
Síntesis de la asignatura en un caso real.