ITAM - Instituto Tecnológico Autónomo de México
Diplomado
Escolarizada
Oficial / Homologado
216 Horas
  • Álvaro Obregón (Distrito Federal)

Descripción

El objetivo del Diplomado es brindar al participante los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren, así como la aplicación de los mismos a la Economía y a las Finanzas. Enfatizar el análisis de los supuestos teóricos, así como en señalar las limitaciones y los alcances de las conclusiones obtenidas del análisis econométrico. Se requerirá de la utilización de paquetes estadísticos que faciliten el análisis econométrico y se enfocará el estudio de la Econometría como una herramienta que permite realizar investigación en diversas disciplinas.

Temario del curso

Módulo 1: Conceptos básicos de probabilidad e inferencia para econometría. 
Objetivo
Exponer los conceptos y conocimientos necesarios de probabilidad e inferencia estadística que se requieren en la estimación y análisis de los modelos econométricos.
Temario
1. Introducción
2. Conceptos Básicos de Probabilidad
3. Variables Aleatorias
3.1 Caso Univariado. Funciones de Densidad. Valor Esperado y Varianza. Distribuciones: Bernoulli, Binomial, Uniforme, Normal y otras derivadas de la Normal.
3.2 Caso Bivariado. Distribución Conjunta, Marginal y Condicional. Valor Esperado y Varianza Condicionales. Covarianza y Coeficiente de Correlación. Independencia. Distribución Normal Bivariada.
4. Análisis Exploratorio de Datos.
5. Inferencia Estadística
5.1 Distribuciones de Muestreo. Teorema Central del Límite.
5.2 Estimadores y sus Propiedades.
5.3 Estimación Puntual de la Media, Varianza y Probabilidad de Éxito. Pronóstico.
5.4 Estimación por Intervalos de la Media, Varianza y Probabilidad de Éxito. 5. Aplicaciones.

Módulo 2: Pruebas de hipótesis y el modelo de regresión lineal.
Objetivo
Proporcionar las pruebas de hipótesis que se requieren en la estimación y análisis de los modelos econométricos. Presentar las técnicas de regresión lineal para distinguir entre los tipos de datos que se tienen y los modelos que se pueden estimar. En un modelo estimado se deben aplicar las técnicas de inferencia estadística y obtener conclusiones, para obtener el mejor modelo así como el pronóstico, a partir de un conjunto de datos dado. Utilizar el paquete de análisis econométrico EViews.
Temario
1. Pruebas de Hipótesis.

a) Conceptos de Pruebas de Hipótesis. Planteamiento General del Problema de Pruebas de Hipótesis.
b) Metodología de las Pruebas de Hipótesis Estadísticas.
c) Pruebas de Hipótesis de Una Población para la Media, Varianza y Probabilidad de Éxito.
d) Pruebas de Hipótesis de Dos Poblaciones para Comparación de Medias (muestras independientes y dependientes), para Comparación de Varianzas y de Probabilidades de Éxito y para Coeficiente de Correlación (de Pearson y de Spearman).
e) Pruebas de Bondad de Ajuste (normalidad).

2. Modelos Econométricos y Datos.
3. Modelo de Regresión Lineal Simple.

a) Modelo Condicional
b) Estimadores de Mínimos Cuadrados.

4. Modelo de Regresión Lineal Múltiple.

a) Especificación del Modelo Lineal General.
b) Estimadores de Mínimos Cuadrados. Propiedades de los Estimadores. Teorema de Gauss-Markov.
c) Coeficiente de Correlación, Coeficiente de Correlación Parcial y Coeficiente de Determinación.
d) Inferencia en el Modelo Lineal General.
e) Predicción Media e Individual.

5. Formas Funcionales de los Modelos de Regresión.
6. Violación de los Supuestos del Modelo Clásico. Detección.
7. Aplicaciones.

Módulo 3: Temas especiales en econometría
Objetivo
En un modelo de regresión estimado se debe verificar que se cumplan los supuestos y en caso de que no se cumplan, señalar las consecuencias y realizar las correcciones necesarias. Introducir variables cualitativas explicativas en el modelo econométrico, así como también modelos en los cuales la variable dependiente es de tipo cualitativo.
Temario
1 Violación de los Supuestos del Modelo Clásico de Regresión. Detección, Consecuencias y Corrección.

2.1 Normalidad de los Errores.
2.2 Varianza Constante del Error.
2.3 Errores No Correlacionados.
2.4 Variables Explicativas Linealmente Independientes. 2 Mínimos Cuadrados Generalizados.

3 Modelos con Variables de tipo Cualitativo. Variables Dicotómicas.

2.1 Naturaleza de las Variables Dicótomas.
2.2 Modelos con Variables Explicativas Cualitativas. Cambio Estructural. Análisis Estacional.

4 Modelos con Variable Dependiente Dicótoma. Modelos Probit y Logit para datos agrupados y no agrupados.
5 Aplicaciones.

Módulo 4: Modelos de pronósticos para series de tiempo.
Objetivo
Proporcionar los conceptos y conocimientos necesarios para poder distinguir entre los enfoques cualitativo y cuantitativo del pronóstico. Reconocer el tipo del modelo subyacente en cada una de las técnicas de pronóstico estadístico y realizar la validación del modelo, así como aplicar adecuadamente la técnica cuantitativa de pronóstico, dependiendo de las características y volumen de los datos disponibles.
Temario
1. Introducción al Pronóstico. Pronóstico Estadístico.
2. Conocimiento de los Datos

a) Inspección de los Datos
b) Suavizamiento

3. Uso de Transformaciones

a) Transformaciones Lineales.
b) Transformaciones No-lineales.
c) Selección de una Transformación.

4. Criterios para Elegir una Técnica de Pronóstico
5. Modelos de Pronóstico

a) Pronóstico de Series No Estacionales.
b) Pronóstico de Series Estacionales.

6. Evaluación de los Pronósticos.
7. Aplicaciones

Módulo 5: Análisis de series de tiempo.
Objetivo
Presentar las diferentes herramientas que se utilizan con mayor frecuencia en el análisis de series de tiempo. El enfoque de análisis es en el dominio del tiempo, con énfasis particular en la familia de modelos ARIMA. La estrategia de construcción de modelos es la propuesta por Box y Jenkins.
Temario
1. Introducción al Análisis de Series de Tiempo.
2. Elementos de Ecuaciones en Diferencia.

a) Notación y Conceptos Elementales.
b) Uso de Operadores de Retraso.

3. Modelos para Series Univariadas.

a) Identificación de Modelos ARIMA.
b) Estimación de Modelos ARIMA.
c) Verificación de los Modelos.

4. Pruebas de Raíces Unitarias.
5. Modelos para Series Estacionales.

a) Análisis de Series Estacionales.
b) Construcción de Modelos.

6. Pronósticos para Series de Tiempo.

a) Caso Estacionario.
b) Caso No Estacionario.

7. Aplicaciones.

Módulo 6: Modelos econométricos y aplicaciones. 
Objetivo
Exponer los conocimientos necesarios para identificar y estimar un sistema de ecuaciones simultáneas. Presentar aplicaciones de las técnicas aprendidas durante el diplomado a modelos económicos y financieros.
Temario
1. Modelos de Ecuaciones Simultáneas.
a) Naturaleza de los Modelos de Ecuaciones Simultáneas. Ejemplos.
b) El Problema de Identificación. Condiciones de Orden y de Rango.
c) Métodos de Estimación. Mínimos Cuadrados Indirectos. Mínimos Cuadrados en 2 Etapas.
d) Sistema de Ecuaciones Aparentemente No-Relacionadas.
2. Aplicaciones del Análisis Econométrico o de Series de Tiempo a Economía.
3. Aplicaciones del Análisis Econométrico o de Series de Tiempo a Finanzas.

Destinatarios:

A las personas interesadas en el conocimiento de los métodos estadísticos para la estimación, análisis y utilización de modelos econométricos.



Horario/Turno

No disponible

Duración

6 Módulos. Calendario por confirmar.

Objetivos

En este Diplomado aprenderás: 

  • El desarrollo de habilidades en estimación y análisis de modelos econométricos.

  • Los criterios para poder generar el mejor modelo para un conjunto de datos dado, así como para encontrar el modelo que brinde el mejor pronóstico.

  • Las diferentes técnicas que se utilizan en el análisis de series de tiempo para construir modelos dependiendo de las características y del volumen de los datos disponibles.



Sí, me interesa

conocer todos los detalles, precios, becas, fechas y plazas disponibles

Diplomado en Econometría

Para contactar debes aceptar la política de privacidad
Enviando este formulario acepta recibir información periódica de Educaweb y del Centro relacionada con estos cursos.
También te recomendamos estos cursos