Econometría I

Facultad de Ciencias Económicas | Universidad Nacional de La Plata

Material del Curso

Usaremos principalmente el texto “Notas de Clase – Econometría I” de Walter Sosa Escudero. Descargar.

Clases de Teoría

Por razones de público conocimiento las clases presenciales se encuentran momentáneamente suspendidas. A partir de esta fecha, la cátedra de Econometría I adopta la modalidad virtual para el dictado de las clases. 

  • Las clases virtuales funcionarán con un sistema de videos, que iremos subiendo en esta sección todos los viernes.
  • Reuniones sincrónicas por Zoom: cada viernes desde las 10hs haremos una reunión por Zoom para consultar dudas de los temas de la clase de teoría del viernes anterior.

Parte I: Mariana Marchionni

youtube_red Video 1 – Presentación del curso: Se presenta el curso y se discute qué es la econometría. 

youtube_redVideo 1 – Medidas de asociación lineal: Se presentan 2 medidas de asociación lineal: la covarianza y la correlación. Se discuten sus propiedades e interpretación. 
youtube_redVideo 2 – El modelo lineal con 2 variables:Se presenta el modelo lineal con 2 variables. Se discute el rol de cada tipo de variables: dependiente, explicativa, término de error; los parámetros desconocidos y su interpretación.
youtube_redVideo 3 – Modelos logarítmicos y semilogarítmicos:Se presentan dos modelos no lineales en las variables: modelo log-log y log-lin. Se discuten sus interpretaciones y ejemplos.

youtube_redVideo 1 – Regresión estimada y criterio de SRC: Se presenta la regresión estimada y se discute el criterio de minimización de la suma de los residuos cuadráticos. 
youtube_redVideo 2 – Estimadores de MCO: Se plantea el problema de minimización de la SRC y se obtienen los estimadores de MCO a partir de las condiciones de primer orden.
youtube_redVideo 3 – Propiedades algebraicas y R cuadrado: A partir de las condiciones de primer orden, se obtienen distintas propiedades de los estimadores de MCO. Se discute la intuición detrás de cada una. Se propone el R cuadrado como medida de bondad del ajuste de la regresión estimada por MCO y se discuten sus propiedades y utilidad.
youtube_redVideo 4 – Ejemplos empíricos: Se presentan dos aplicaciones: i) estimación de la relación entre rendimiento académico y tamaño de clase, y ii) estimación de la función de consumo Keynesiana.

youtube_redVideo 1 – Repaso: Se repasan contenidos que se discutieron en la clase 2: obtención de los estimadores de mínimos cuadrados, propiedades algebraicas y bondad del ajuste. 
youtube_redVideo 2 – Los supuestos clásicos: Se presenta el modelo lineal clásico con 2 variables y se discute cada uno de los supuestos clásicos. 
youtube_redVideo 3 – Las propiedades estadísticas:Se demuestran y discuten las propiedades estadísticas de los estimadores mínimo-cuadráticos cuando se cumplen los supuestos clásicos: insesgamiento, varianza y Teorema de Gauss-Markov.
youtube_redVideo 4 – Inferencia en el modelo con 2 variables: Se describen los procedimientos para realizar test de hipótesis simples sobre los parámetros del modelo lineal con 2 variables.

youtube_red Video 1 – El modelo lineal general: Se presenta y discute la interpretación del modelo lineal general o modelo con K variables. 
youtube_red Video 2 – Variables binarias: Se explica el uso y la interpretación de las variables binarias, tanto para representar fenómenos binarios como fenómenos con categorías múltiples. 
youtube_red Video 3 – No linealidades en variables:Se presentan casos donde las variables aparecen de manera no lineal en el modelo y se discute su interpretación: variables en logaritmos, variables cuadráticas e interacciones entre variables.
youtube_red Video 4 – Ejemplo empírico: Se discute un ejemplo sobre la estimación de un modelo de los determinantes de los salarios usando datos de la Encuesta Permanente de Hogares de Argentina. En este ejemplo se incorporan todos los elementos aprendidos en la clase 4: variable dependiente en logaritmos, variables explicativas dummy, cuadráticas e interacciones.

youtube_red Video 1 – El modelo en notación matricial: Se presenta la formulación matricial del modelo lineal general o modelo con K variables.
youtube_red Video 2 – Repaso de álgebra matricial: Se repasan algunas definiciones y resultados de álgebra matricial y de reglas de derivación de expresiones que involucran matrices y vectores.
youtube_red Video 3 – Obtención de los MCO con matrices: Se resuelve el problema de minimización de SRC y se obtiene el vector de estimadores MCO usando notación matricial. También se repasan algunas propiedades algebraicas de los estimadores MCO en notación matricial. 
youtube_red Video 4 – R cuadrado y R cuadrado ajustado: Se presenta la notación matricial del R cuadrado. Se discute que el R cuadrado no decrece con el agregado de variables explicativas y se propone el R cuadrado ajustado como forma de resolver el trade-off entre la mejora del ajuste y la pérdida de eficiencia ante el agregado de variables explicativas.
youtube_red Video 5 – Supuestos clásicos en notación matricial: Se presentan los supuestos clásicos en notación matricial. Se introduce el concepto de matriz de varianzas y covarianzas de un vector aleatorio. Se prueban las propiedades estadísticas del vector de estimadores MCO (insesgadez y la expresión de la matriz de varianzas y covarianzas).

youtube_red Video 1 – Repaso: Se repasa el modelo con K variables y los estimadores MCO usando notación matricial. Se discute la propiedad de semidefinición positiva de la matriz de varianzas y covarianzas. 
youtube_red Video 2 – Teorema de Gauss-Markov: Se discute la intuición y uso práctico del Teorema de Gauss-Markov en el modelo lineal general. Se presenta el enunciado formal del teorema y su demostración. La demostración propiamente dicha está disponible aquí.
youtube_red Video 3 – Tests de hipótesis simples: Se presenta la formal general para expresar los tests de hipótesis simples usando notación matricial. Se ven casos particulares que incluyen tests sobre parámetros individuales y tests sobre combinaciones lineales de parámetros.
youtube_red Video 4 – Tests de hipótesis compuestas: Se presentan los contrastes de hipótesis para evaluar hipótesis nulas compuestas. En particular, se ven los tests de significatividad global y de significatividad conjunta de un subconjunto de variables. Por último, se presenta un ejemplo empírico donde se aplican los contenidos de la clase.

Parte II: Walter Sosa Escudero

youtube_red Video 1 – Introducción a la segunda parte 
youtube_red Video 2 – Anatomía de MCO 
youtube_red Video 3 – Fuentes de sesgo 
youtube_red Video 4 – Fuentes de imprecisión 
youtube_red Video 5 – Multicolinealidad 
youtube_red Video 6 – Inclusión de variables irrelevantes 
youtube_red Video 7 – Ejemplo empírico: efectos del tabaco 

libroBorges, sobre sesgo y varianza (Del Rigor en la Ciencia).  Versión oral, leída por el propio Borges, en este link.      

youtube_red Video 1 – Introducción a la clase de regresores aleatorios y errores de medición 
youtube_red Video 2 – Regresores aleatorios. Esperanzas condicionales 
youtube_red Video 3 – Esperanza condicional. MCO con regresores aleatorios 
youtube_red Video 4 – Error de medición en la variable explicativa 
youtube_red Video 5 – Ilustración gráfica de sesgo de atenuación 
youtube_red Video 6 – Error de medición en la variable explicada 

  • Clase 9: Causalidad. Mirá el material complementario de esta clase acá.

youtube_red Video 1 – Introducción a regresión y causalidad 
youtube_red Video 2 – Causalidad: aspectos preliminares 
youtube_red Video 3 – Causalidad via contrafácticos 
youtube_red Video 4 – Sesgo de selección  
youtube_red Video 5 – Aleatorización 
youtube_red Video 6 – Exogeneidad y causalidad 

youtube_red Video 1 – Introducción a heterocedasticidad y MCG 
youtube_red Video 2 – Heterocedasticidad, el problema 
youtube_red Video 3 – Tests de heterocedasticidad 
youtube_red Video 4 – Mínimos cuadrados ponderados 
youtube_red Video 5 – El estimador de White 
youtube_red Video 6 – Mínimos cuadrados generalizados 

youtube_red Video 1 – Introducción a elección binaria 
youtube_red Video 2 – El desastre del challenger 
youtube_red Video 3 – Modelo lineal de probabilidad 
youtube_red Video 4 – Logits y probits 
youtube_red Video 5 – Ejemplo empírico

youtube_red Video 1 – Introducción a Big data y machine learning en economía 
youtube_red Video 2 – Tres casos 
youtube_red Video 3 – Big data y machine learning
youtube_red Video 4 – Lasso 
youtube_red Video 5 – Ejemplo Lasso 
youtube_red Video 6 – Conclusiones y recomendaciones bibliográficas 

Clases de Práctica

Exámenes anteriores