Esta asignatura pretende crear en el alumno una capacidad de aproximación a determinados problemas del mundo económico y empresarial de forma cuantificada, con rigor científico y aprovechando los conocimientos, habilidades y actitudes que les transfieren las técnicas propias del análisis econométrico. Para ello, se presentará y desarrollará de forma detallada el Modelo Básico de Regresión Lineal como técnica central que orientará todo el contenido de la materia en sus dimensiones teóricas y prácticas.
La materia tiene una clara vocación empírica, orientada a especificar soluciones de tipo econométrico a problemas reales de la gestión empresarial, a través de un manejo solvente de la información cuantitativa disponible. El carácter aplicado, práctico, define con claridad esta asignatura, pero, en todo caso, se trabajará también durante el curso en el desarrollo formal de los modelos econométricos básicos, de naturaleza matemático – estadística, esenciales para soportar la práctica econométrica.
De este modo, la asignatura constituye para el alumno un instrumento eficaz de análisis, contrastación y autoevaluación de los conocimientos adquiridos hasta este momento en el grado, fundamentalmente en áreas como la teoría económica (micro y macroeconomía), la economía de la empresa, las matemáticas, la estadística o la informática. El manejo de la econometría es fundamental para la toma de decisiones en la empresa y de cara a la formación del alumno se presenta como una herramienta útil a la hora de ordenar las relaciones, desde un punto de vista aplicado, de los distintos conocimientos que el alumno ha adquirido en otras asignaturas. Por otra parte, adicionalmente a la capacidad de esta materia para desarrollar un esquema ordenado de la cuantificación de conceptos y modelos, que desde un plano más teórico hayan sido desarrollados en otras disciplinas, permite una aproximación realista a las interacciones que la realidad empresarial pone de manifiesto entre teoría de la empresa y de la economía en general, métodos estadísticos, matemáticas e informática de gestión.
En términos GENERALES, asumimos como marco global de resultados del aprendizaje el desarrollo de las competencias definidas en el Real Decreto 1393/2007 (Anexo I, 3, 3.2) que sirve de marco regulatorio de ordenación de las enseñanzas universitarias de grado:
- Poseer y comprender conocimientos en un área de estudio, en nuestro caso, la modelización econométrica en su nivel básico.
- Aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio, lo que en nuestro caso se sustancia específicamente en la formulación y utilización de modelos econométricos para resolver los problemas empresariales y económicos de forma cuantitativa.
- Capacidad de transmisión de información, ideas, problemas y soluciones a un público especializado y no especializado, a través de la exposición pública de resultados concretos de las prácticas desarrolladas.
- Desarrollo de habilidades de aprendizaje necesarias para emprender estudios posteriores, dentro del área de análisis cuantitativo de la empresa, con alto grado de autonomía.
En términos aún más CONCRETOS, en relación a la Formación en Fundamentos de Econometría, las competencias específicas que se pretenden alcanzar como resultados del aprendizaje con la asignatura podrían resumirse en:
- El conocimiento de la tipología, elementos, fundamentos teóricos y etapas empíricas necesarias para el desarrollo de un modelo econométrico.
- El conocimiento teórico de las hipótesis básicas del modelo de regresión lineal múltiple, instrumento esencial de la modelización econométrica, identificando su relevancia conceptual y su trascendencia práctica.
- La habilidad en la especificación técnica de modelos econométricos aplicados a problemas específicos de la empresa y el entorno económico, en especial modelos de regresión básicos.
- La habilidad en la utilización de herramientas de análisis econométrico sencillas, en especial de los resultados de un modelo de regresión, de cara al análisis y la simulación o predicción.
- La habilidad de comunicación a una audiencia no técnica de los resultados de los modelos econométricos, especialmente los modelos de regresión básicos.
- La actitud inquisitiva y el desarrollo de una mentalidad empírica en relación con la determinación, análisis y solución de los problemas empresariales y del entorno económico.
- El juicio crítico con relación a las ventajas y limitaciones de la modelización econométrica como instrumento de análisis, incentivando planteamientos críticos y alternativos a la solución de problemas concretos.
PROGRAMA SINTÉTICO:
PROGRAMA DETALLADO:
Tema 1.- Propósito del análisis econométrico.
1.1.-Utilidad de los modelos econométricos: análisis de casos reales.
1.2.- Análisis de Regresión como técnica de causalidad en el contexto del Análisis Multivariante.
1.3.- Concepto de correlación, causalidad, correlación parcial y regresión.
1.4.- Utilidad del Análisis de Regresión en ausencia de datos experimentales.
1.5.- Proceso de elaboración de un modelo econométrico.
Tema 2.- Modelo de Regresión Lineal: tipos de datos y formulación.
2.1.- El Modelo de Regresión Lineal: notación, definición matemática y elementos.
2.2.- Tipos de datos y tipología de modelos (variantes técnicas).
2.3.- El papel de la perturbación aleatoria en el Modelo de Regresión Lineal.
Tema 3.- Estimación de los parámetros por Mínimos Cuadrados Ordinarios y Máxima Verosimilitud.
3.1.- Análisis de Regresión poblacional y muestral: principales diferencias.
3.2.- Derivación matemática de la expresión del estimador mínimo- cuadrático (MCO) y de Máxima Verosimilitud (MV).
3.3.- Forma algebraica del estimador MCO de los parámetros de un modelo.
3.4.- Concepto de residuo y valor estimado.
Tema 4.- Interpretación de los coeficientes estimados.
4.1.- Interpretación básica de la cuantía de los coeficientes (ejemplos prácticos).
4.2.- Interpretación de los estimadores ante cambios de escala de las variables.
4.3.- Formas funcionales enriquecidas: test sobre formas funcionales, manejo de la no linealidad. Interpretación de los parámetros estimados en modelos LOG/LOG, Nivel/LOG y LOG/Nivel.
4.4.- Modelización con exógenas categóricas. Interpretación de los coeficientes para variables dicotómicas y sus interacciones.
Tema 5.- Propiedades de los estimadores MCO en el marco del Modelo Básico de Regresión Lineal.
5.1.- Fuentes del error en un modelo: conceptos de varianza de la perturbación, tamaño muestral, varianzas y covarianzas de los regresores. Presentación del estimador MCO como una variable aleatoria.
5.2.- Definición estadística de las propiedades de insesgadez, eficiencia y consistencia de un estimador.
5.3.- Insesgadez y consistencia. Importancia conceptual, hipótesis básicas relacionadas y repercusión empírica; introducción al riesgo de sesgo por omisión de variables relevantes, sesgo de selección muestral y otras causas.
5.4.- Eficiencia. Definición e importancia conceptual. Hipótesis básicas relacionadas y repercusión empírica. Estimadores de la varianza de la perturbación aleatoria: estimador insesgado y estimador Máxima Verosimilitud.
5.5.- Multicolinealidad y factor de inflación de la varianza. Definición de la multicolinealidad, consecuencias y estrategias de detección y solución.
Tema 6.- Inferencia estadística con el MBRL: elaboración de intervalos de confianza y contrastes de parámetros.
6.1.- Distribución empírica de los estimadores MCO y cálculo de intervalos de confianza para los parámetros.
6.2.- Uso del contraste “t” para hipótesis individuales de parámetros.
6.3.- Contraste "F" para la evaluación de hipótesis conjuntas de parámetros: Significatividad conjunta, exclusión de conjuntos de variables, igualdad o complementariedad de coeficientes.
6.4.- Uso del test de Wald para el contraste de hipótesis lineales de combinación de parámetros.
Tema 7.- Análisis de bondad del ajuste y medidas de los errores.
7.1.- Definición de bondad de ajuste y error. Importancia del análisis de errores en la modelización empírica.
7.2.- Medidas resumen de error: Detección de puntos de Influencia, Suma Cuadrática, media Cuadrática, Error Absoluto Medio, Porcentaje Medio de Error Absolutos, U de Theil y otras medidas.
7.3.- Medidas de ajuste global: Coeficiente de determinación (R2), Criterios de Información (AIC,BIC,..)
7.4.- Medidas de análisis gráfico de los errores: Gráficos de secuencia (modelos temporales), gráficos de dispersión (estimada/real, estimada/errores, x/errores..etc.), diagrama Predicción Realización.
Tema 8.- Análisis de los errores “a posteriori”: el error de predicción.
8.1.- Concepto de estimación/predicción "para la media de Y" vs "estimación puntual".
8.2.- Construcción de intervalos de confianza para la estimación y el error de estimación (distribución "t" del error de predicción).
8.3.- Utilización práctica de la varianza del error de estimación/predicción.
8.4.- Utilización de los resultados de un Modelo de Regresión en términos de escenarios, simulación y predicción.