IDENTIFYING DATA 2010_11
Subject (*) ECONOMETRICS I Code 16224114
Study programme
Grau d'Economia
Cycle 1st
Descriptors Credits Type Year Period
6 Compulsory Second Second
Language
Castellà
Department Economia
Coordinator
MARTÍNEZ IBÁÑEZ, OSCAR
E-mail oscar.martinez@urv.cat
nektarios.aslanidis@urv.cat
Lecturers
MARTÍNEZ IBÁÑEZ, OSCAR
ASLANIDIS ., NEKTARIOS
Web
General description and relevant information Este curso constituye una introducción a la modelización econométrica de problemas de interés económico. El curso pretende proporcionar conocimientos básicos sobre el modelo de regresión lineal múltiple, con especial énfasis en la interpretación estadística y económica de los resultados obtenidos en este tipo de modelos. Al finalizar el curso el/la alumno/a deberá estar plenamente familiarizado/a con los medios informáticos que se requieren para obtener estos resultados y con los conceptos fundamentales de distribución muestral, esperanza condicional, estimador versus estimación, inferencia estadística, mínimos cuadrados ordinarios y proceso generador de los datos. Con la aplicación del modelo de regresión lineal múltiple a ejemplos ilustrativos los/las alumnos/as aprenderán a estimar la magnitud de las relaciones económicas y a contrastar hipótesis en torno al comportamiento de los agentes.

Competences
Type A Code Competences Specific
 A2 Dominar els mètodes i instruments bàsics per a l'anàlisi de la realitat empresarial.
 A6 Analitzar els diversos contexts professionals en els que treballa un economista: la cojuntura econòmica, el sector, el mercat, l'empresa i el departament en qüestió.
 A8 Elaborar informes d'assessorament sobre situacions concretes de l'economia (internacional, nacional, regional o local) o de sectors de la mateixa.
Type B Code Competences Transversal
 B3 Critical, logical and creative thinking, and an ability to innovate
 B5 Teamwork, collaboration and sharing of responsibility
Type C Code Competences Nuclear
 C2 Be advanced users of the information and communication technologies
 C4 Be able to express themselves correctly both orally and in writing in one of the two official languages of the URV

Learning outcomes
Type A Code Learning outcomes
 A2 Coneix elements bàsics del model de regressió lineal múltiple.
Utilitza adequadament el software economètric i sap aplicar tècniques economètriques avançades a l'anàlisi empíric de problemes econòmics.
 A6 És capaç d'entendre dades de la cojuntura econòmica tant a nivell agregat com per sectors.
És capaç de treballar amb dades empresarials per a elaborar informes sobre el funcionament de l'empresa.
 A8 Interpreta econòmicament els resultats obtinguts en l’estimació i contrast d’hipòtesis de models bàsics i és capaç d'explicar-los en un informe escrit.
Identifica i reconeix les aplicacions del model a problemes microeconòmics (decisions de les empreses) i macroeconòmics (dimensió temporal de l'activitat econòmica).
Type B Code Learning outcomes
 B3 Reflect on new ways of doing things.
Identify the results of innovation.
Find new methods for doing things.
 B5 Help to define, organize and distribute the group’s tasks.
Bear in mind the opinions of others and give constructive feedback.
Accept and comply with the rules of the group.
Type C Code Learning outcomes
 C2 Understand basic computer hardware.
Understand the operating system as a hardware manager and the software as a working tool.
 C4 Produce well structured, clear and effective oral texts.
Produce well-structured, clear and rich written texts

Contents
Topic Sub-topic
Tema 1. Regresión lineal y MCO. 1.1. Esperanza condicional y modelo de regresión lineal.
1.2. Estimación por Mínimos Cuadrados Ordinarios.
1.3. Propiedades del estimador MCO.
1.4. Inferencia en el Modelo de Regresión Lineal Estándar.
1.5. Evaluación del modelo: bondad del ajuste, significación conjunta y predicción.
1.6. Apéndice: El estimador de máxima verosimilitud.
Tema 2. Restricciones lineales, forma funcional y variables ficticias. 2.1. Restricciones lineales.
2.1.1 Contrastes de cambio estructural y estabilidad en el modelo.
2.2. Formas funcionales alternativas.
2.2.1 Modelos intrínsicamente lineales.
2.2.2 Funciones no lineales de las variables explicativas: transformaciones polinómicas y logarítmicas.
2.2.3 Contrastes sobre la forma funcional.
2.3. Modelos con variables explicativas “ficticias”.
2.3.1 Interpretación de los coeficientes.
2.3.2 Interacciones entre variables discretas y/o continuas.
2.3.3 Regresión por tramos.
Tema 3. Problemas con los datos y errores de especificación. 3.1. Observaciones influyentes y Normalidad.
3.2. Multicolinealidad.
3.3. Omisión (Inclusión) de regresores (ir)relevantes.
3.4. Endogeneidad.
Tema 4. Perturbaciones no esféricas: Heteroscedasticidad y Autocorrelación. 4.1. Causas y consecuencias de la heteroscedasticidad.
4.2. Contrastes para la detección de la heteroscedasticidad.
4.3. Estimación por Mínimos Cuadrados Generalizados (Factibles).
4.4. Causas y consecuencias de la autocorrelación.
4.5. Contrastes para la detección de la autocorrelación.
4.6. Estimación iterativa (Cochrane-Orcutt) y en dos etapas (Durbin).

Planning
Methodologies  ::  Tests
  Competences (*) Class hours
Hours outside the classroom
(**) Total hours
Introductory activities
C4
4 2 6
Lecture
A2
A6
A8
B5
28 42 70
Practicals using information and communication technologies (ICTs) in computer rooms
A2
A6
A8
C2
24 24 48
ICT practicals
A2
A6
A8
C2
0 18 18
Personal tuition
1 1 2
 
Objective multiple-choice tests
A2
A6
A8
B3
4 0 4
Practical tests
A2
A6
A8
B3
2 0 2
 
(*) On e-learning, hours of virtual attendance of the teacher.
(**) The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies
  Description
Introductory activities Entendre els objectius que es persegueixen, els continguts que es treballaran i la metodologia que s'utilitzarà a l'assignatura. També s'ha d'entendre clarament quins són els criteris d'avaluació que s'utilitzarà a l'assignatura.
Lecture Discussió de les notes que es proporcionin per part del professor/a a travès del Campus Virtual. Aquestes notes són orientatives i s'hauran de completar amb les lectures de les Fonts d'Informació addicional que es proporcionen i amb les explicacions i recomanacions del professor/a.
Practicals using information and communication technologies (ICTs) in computer rooms Seguiment i comprensió de la resolució de les pràctiques presentada pel professor. Les pràctiques estàn basades en enunciats que reflecteixin problemes tècnics i/o econòmics i es resoldran utilitzant bases de dades i software apropiats. Per tant, l'alumne ha d'aprendre a utilitzar aquest software per obtenir i interpretar els resultats numèrics.
ICT practicals L'alumne haurà de resoldre pràtiques similars a les realitzades de manera guiada.

Personalized attention
Description
És recomanable que l'alumne aprofiti l'atenció personalitzada per tal de resoldre els dubtes relacionats amb els conceptes teòrics i la resolució de les pràctiques (software, interpretació de resultats numèrics, etc.).

Assessment
Methodologies Competences Description Weight        
Practical tests
A2
A6
A8
B3
Aquesta prova te caràcter obligatori i es durà a terme durant el periode d'examens, un cop acabada la docència de l'assignatura. La prova consistirà de varis exercicis similars als de les pràctiques realitzades durant el curs acadèmic. Els exercis constaran de varies preguntes en les que l'alumne haura de demostrar la seva capacitat per aplicar els conceptes teòrics de la regressió lineal a problemes econòmics concrets. També haurà de demostrar la seva capacitat per interpretar els resultats numèrics obtesos, tant en termes estadístics com econòmics. 70%
Objective multiple-choice tests
A2
A6
A8
B3
Aquestes proves formen part de l'avaluació continuada i es duran a terme al finalitzar cada tema. Les proves faran referència als aspectes metodològics, tant teòrics com pràctics, necessaris per a la resolució dels problemes analitzats. 30%
Others  
 
Other comments and second exam session

A l'estudiant que ha seguit l'avaluació continuada se li guarden per a segona convocatòria les notes de les proves objectives de tipus test, i només haurà de fer la prova pràctica (70%).

L'estudiant que no segueixi l'avaluació continuada, tant a la primera com a la segona convocatòria haurà de fer un examen 100%.


Sources of information

Basic

Kennedy, P. (1998): A Guide to Econometrics, Blackwell.
Novales, A. (1997): Estadística y Econometría, McGraw-Hill.
Stock, J. and Watson, M. (2002): Introduction to Econometrics, Pearson Addison Wesley.

Complementary

Recommendations


Subjects that it is recommended to have taken before
STATISTICS I/16224007
MATHEMATICS I/16224008
MATHEMATICS II/16224009
STATISTICS II/16224104
(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.