Upload
jose-c-beraun-tapia
View
151
Download
15
Embed Size (px)
Citation preview
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 Nombre del Curso: ECONOMETRÍA II 1.2 Código del Curso: FO3234
1.3 Nº de Créditos: 5
1.4 Nº de horas semanales: 6
1.5 Nº de horas de práctica semanales: 2
1.6 Requisitos: Econometría I
1.7 Nombre de los Docentes: Mg. VÍCTOR PÉREZ SUÁREZ Mg. CORNELIO TICSE NÚÑEZ 1.8 Aulas: 218-D / 208-T
1.9 Plan de Estudios: 2004
1.10 Semestre Académico: 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 ( E1, E2, E3 ) 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 = 0.25E1 + 0.25E2 + 0.25E2 + 0.25T
a. 25% para prácticas calificadas y/o trabajos prácticos
b. 25% para el primer examen parcial
c. 25% para el segundo examen parcial
d. 25% para el tercer examen parcial
7. POLÍTICAS DEL CURSO
• 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 establecidas 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.
8. 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. Springer-
Verlag. 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).