6to Econometria II

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE CIENCIAS ECONÓMICAS ESCUELA ACADÉMICO PROFESIONAL DE ECONOMÍA

CICLO: VI

CURSO: ECONOMETRÍA II

 ESCUELA ACADÉMICO PROFESIONAL DE ECONOMÍA

 SÍLABO 1. DATOS GENERALES  1.1 1.2 1.3 1.4 1.5 1.6  1.7 

 Nombre del Curso: Código del Curso:  Nº de Créditos:  Nº de horas semanales:  Nº de horas de práctica semanales:  Requisitos:  Nombre de los Docentes:

1.8  Aulas: 1.9  Plan de Estudios: 1.10 Semestre Académico:

 ECONOMETRÍA II  FO3234 5 6  2 Econometría I  Mg. VÍCTOR PÉREZ SUÁREZ   Mg. CORNELIO TICSE  NÚÑEZ  218-D / 208-T  2004

2011-I 

2. SUMILLA  Modelo de regresión no lineal. Algoritmos y métodos de estimación. Modelos de elección discreta MLP: Modelo Logit, Probit, y Tobit. Series de tiempo: procesos estocásticos, estacionariedad. Modelos AR, MA y mixtos. Metodología Box Jenkins.  Modelos ARIMA. Tendencias estocásticas y determinísticas. Raíces unitarias. Quiebres estructurales y raíces unitarias. Funciones de transferencia. Cointegración. Modelos de cointegración. Vectores auto regresivos. Estimación de vectores auto regresivos con  series no estacionarias. Modelos de volatilidad. Los modelos de corte transversal. Combinación de series temporales y corte transversal. Modelos de panel data.

3. OBJETIVOS   Al finalizar el curso, el alumno será capaz de dominar las técnicas econométricas para el planteamiento de modelos econométricos diversos (modelos de volatilidad, panel  data y series de tiempo), para la comprensión y resolución de los problemas de la economía en general.

4.

CONTENIDO CALENDARIZADO 1.ª semana  Introducción. Modelos no lineales. Mínimos cuadrados no lineales, el estimador de máxima verosimilitud, transformación de Box-Cox, contraste de restricciones.

2.ª semana  Algoritmos numéricos y métodos de estimación. Algoritmo del descenso más rápido, de  Newton-Raphson, de Gauss-Newton y su estimación por MCO y MV Aplicaciones.

3.ª semana  Modelos de elección discreta. El modelo lineal de probabilidad. Modelo Probit. Modelo  Logit. Modelo Tobit. Inferencia en modelos de elección discreta. Aplicaciones.

4.ª semana  Los modelos de elección múltiple. El probit multivariado y el modelo logit multinomial   y condicional. Aplicaciones.

5.ª semana  Modelos de series de tiempo. Supuestos. Análisis de los procesos débilmente estacionarios. Función de autocorrelación. Proceso de media móvil MA: MA(1), MA(2),  MA(q), valores esperados y función de autocorrelación. Ejercicios.  Proceso autorregresivo AR: AR(1), AR(2), AR(p), valores esperados y función de autocorrelación. Proceso mixto autorregresivo de media móvil ARMA: ARMA(1,1),  ARMA(1,2), ARMA(p,q). Ejercicios.

6.ª semana   Primer Examen Parcial  7.ª semana Construcción de un modelo de serie de tiempo: Metodología de Box-Jenkins. Procesos mixtos integrados ARIMA(p,d,q). Estimación de modelos ARIMA la estacionalidad y los modelos SARIMA. Ejercicios..

8.ª semana Tendencias estocásticas y determinísticas. Raíces unitarias: Tests de detección y  problemas. Tests basados en la hipótesis nula de no estacionariedad: Dickey y Fuller,  Phillip-Perron, Sargan-Bhargava. Pruebas basadas en hipótesis nula de estacionariedad: Kwiatkowski, Phillips, Schmidt y Shinn(KPSS).

9.ª semana Quiebres estructurales y raíces unitarias. Efectos de la presencia de quiebres en el   poder de las pruebas de detección de raíces unitarias. Test que discriminan entre la  presencia de raíces unitarias y la presencia de quiebres estructurales: Test de Perron Perron-Voglesang, Zivot y Andrews.

10.ª semana  Funciones de transferencia. El análisis de intervención. Conceptos básicos. Funciones de Impulso respuesta típicas, funciones de covarianza cruzada y correlación cruzada, relación entre la función de correlación cruzada y la función impulso respuesta, identificación y chequeo.

11.ª semana Cointegración. Concepto e implicaciones económicas y estadísticas. Efecto de las raíces unitarias en el análisis de regresión tradicional: el caso de las regresiones espúreas. Las relaciones entre las series no estacionarias: Modelos de cointegración.  Intuición, características, estimación y metodología de Ingle y Granger.

12.ª semana   Segundo Examen Parcial  13.ª semana Vectores autorregresivos: La metodología de los vectores autorregresivos como respuesta al sistema de ecuaciones simultáneas. Formulación, identificación y estimación. Restricciones de corto y largo plazo para la identificación. Aplicación:  Política monetaria en economías abiertas y cerradas. Planteamiento, estimación, análisis de causalidad. Análisis impulso respuesta y descomposición de varianza.  Principales aplicaciones prácticas.

14.ª semana  Estimación de vectores autorregresivos con series no estacionarias. Modelo de corrección de errores como representación estadística de series que cointegran.  Metodologías de Engle & Granger y de Johansen.

15.ª semana  Modelos de volatilidad y teoría financiera. Modelos Simétricos: ARCH y ARCH-M.  Modelos asimétricos: GARCH, EGARCH y TGARCH. Aplicaciones a la economía.

16.ª semana Técnica de Datos de Panel. Planteamiento general. Efectos fijos y aleatorios.  Estimación de Mínimos Cuadrados Generalizados. Pruebas al modelo. El caso de la heteroscedasticidad y la estimación robusta de la covarianza. Interpretación de resultados.

17.ª semana  Tercer Examen Parcial  5. METODOLOGÍA  El curso será desarrollado en clases teóricas, en las cuales se trataran las técnicas estadísticas de manera formal, en clases prácticas en las cuales se impartirá el  tratamiento aplicado y en clases en el laboratorio de informática donde el alumno utilizará programas econométricos. El curso culminará con la realización de un trabajo monográfico con aplicaciones de los tópicos desarrollados en el curso, el cual  debe ser expuesto para su calificación.

6.

EVALUACIÓN  6.1.Se tomarán 3 exámenes ( E 1 , E 2 , E 3  ) teórico – práctico. 6.2. La evaluación práctica consistirá en prácticas calificadas, trabajos teórico prácticos, exposiciones orales en clase. Los trabajos de investigación serán realizados en grupos de tres estudiantes. Los grupos serán formados aleatoriamente al inicio del curso y se evaluará la exposición del mismo  siguiendo la metodología de un paper.  Durante el curso habrá prácticas dirigidas que permitirán realizar ejercicios y entrenar a los alumnos en el uso de programas econométricos. 6.3. La nota final (NF) será la media ponderada:  NF = 0.25E 1 + 0.25E 2 + 0.25E 2 + 0.25T  a. b. c. d.

7.

POLÍTICAS DEL CURSO •

•

•

•

•

8.

25% para prácticas calificadas y/o trabajos prácticos 25% para el primer examen parcial  25% para el segundo examen parcial  25% para el tercer examen parcial 

 Los alumnos que presenten trabajos monográficos copiados íntegramente o  parcialmente de otros medios (escritos o electrónicos) y que se presenten como  propios ameritarán automáticamente como nota de calificación CERO.  Las calificaciones obtenidas en los exámenes no pueden ser eliminadas ni  sustituidas por ningún motivo.  El alumno que dejó de asistir a más del 30% del total de horas establecida s para el dictado del curso se le calificará con CERO.  El alumno que sea sorprendido plagiando, suplantando o comunicando información verbal, escrita, electrónica y por otros medios durante los exámenes o en cualquier evaluación, será desaprobado en tal examen con la nota CERO.  El alumno que no haya rendido el examen en la fecha programada por la  Escuela Académico Profesional de Economía, sólo tendrá un plazo de 48 horas  para justificar su inasistencia.

BIBLIOGRAFÍA  BALTAGI, Badi. Econometrics Analysis of Panel Data. Wiley, 1995.   ENDERS, Walter. Applied Time Series Econometrics. Wiley, 1995   ENGLE, Robert y GRANGER, Clive. Long Run Economic Relationships: Reading  in cointegaration. Oxford University Press, 1991  GREENE, William: Análisis Econométrico. Prentice Hall IBERIA S.R.L., Madrid   España 1999.   HAMILTON, J.: Time Series Análisis. Pincenton University Press. 1994 

 HENDRY, David. Dynamic Econometrics. Oxfor University Press. 1995   HSIAO, Cheng. Analysis of Panel Data. Cambridge University Press, 1986.   JOHANSEN, Soren. Liklihood – Based Inference in Cointegrated Vector   Autorregressive Models. Oxford University Press, 1995   JOHNSTON, Jack y DINARDO, Jhon. Econometric Methods. 4ª Edición. Mc GRaw Hill, 1997    NOVALES, Alfonso: Econometría. The Mc. Graw Hill/INTERAMERICA. España 1993.   KMENTA, J.: Elements of econometrics . University of Michigan, 1997.  GOURIEROUX, Christian. ARCH Models and Financial Applications. SpringerVerlag. NuevaYork, 1997    BALTAGI, Badu. Econometrics Springer, New York, 1998   ENGLE, Robert. ARCH: Selected Reading. Oxford University Press. 1ª Edición.  Londres, 1995.  CAMERON, Colin A. y TRIVEDI, Pravin K. Regresion analysis of count data. Cambrigde University Press. Neww Cork, 1998.   Eviews User´Guide, Econometrics View for Windows, Quantitative Micro Software. California, Copyright.   PEREZ L., César: Problemas resueltos de Econometría Thomson Editores Spain 2006.   PEREZ, Víctor: Econometrics VIEWS. Editorial San Marcos. 1999.  CASTRO, J.F.; RIVAS-LLOSA, R.: Econometría Aplicada. Universidad del   Pacífico, Perú. 2003.  CABRER, B. Bernardí y otros. Microeconomía y Decisión. Ediciones Pirámide  Madrid España 2001.  TICSE, Cornelio. Determinantes de la función del consumo privado y su evidencia empírica. Caso Peruano, periodo: 1945 – 1995 (Tesis para obtener el  Grado de Magíster). 