IDENTIFYING DATA 2016_17
Subject (*) ECONOMETRICS I Code 16224114
Study programme
Bachelor's Degree in Economics (2009)
 Cycle 1st
Descriptors Credits Type Year Period
6 Compulsory Second 2Q
Language
Castellà
Department Economics
Coordinator
CORBELLA DOMÈNECH, TERESA
 E-mail teresa.corbella@urv.cat
Lecturers
CORBELLA DOMÈNECH, TERESA
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 Students master the basic methods and tools for analyzing business reality.
 A6 Analyze the various contexts in which professional economists work: the economic environment, industry, the market, business and individual departments
 A8 Draw up consultancy reports on specific economic situations (international, national, regional or local) or specific sectors.
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 Understand advanced elements of the multiple linear regression model.
Understand the basics of multiple linear regression.
 A6 Understand data about the economy as a whole at both the aggregate and the sector level.
Work with business data to draw up reports on how a company is performing.
 A8 Interpret the results of estimating and comparing the hypotheses of basic models and can explain them in a written report.
Identify and recognize how the model can be applied to microeconomic problems (business decisions) and macroeconomic problems (time of economic activity).
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. Introducció Introducció
Model de regressió lineal simple
Tema 2. Model de regressió lineal multiple. 1.1. Esperança condicional i model de regressió lineal.
1.2. Estimació per Mínims Quadrats Ordinaris.
1.3. Propietats de l‘estimador MQO.
1.4. Inferència en el Model de Regressió Lineal Estàndard.
1.5. Avaluació del model: bondat de l'ajust, significació conjunta i predicció.
Tema 3. Restriccions lineals, forma funcional i variables fictícies. 2.1. Restriccions lineals.
2.1.1 Contrastos de canvi estructural i estabilitat en el model.
2.2. Formes funcionals alternatives.
2.2.1 Models intrínsecament lineals.
2.2.2 Funcions no lineals de les variables explicatives: transformacions polinòmiques i logarítmiques.
2.2.3 Contrastos sobre la forma funcional.
2.3. Models amb variables explicatives "fictícies".
2.3.1 Interpretació dels coeficients.
2.3.2 Interaccions entre variables discretes i / o contínues.
2.3.3 Regressió per trams.
Tema 4. Problemes amb les dades i errors d'especificació. Perturbacions no esfèriques 3.1. Observacions influents i Normalitat.
3.2. Multicolinealitat.
3.3. Omissió (Inclusió) de regressors (ir) rellevants.
3.4. Endogeneïtat.
3.5 Heterocedasticitat i autocorrelació

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
ICT practicals
A2
A6
A8
C2
 18 0 18
Practicals using information and communication technologies (ICTs) in computer rooms
A2
A6
A8
C2
 24 24 48
Personal tuition
1 1 2
 
Objective short-answer 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 Exposició dels continguts de l'assignatura.
Continguts que s'hauran de completar amb les lectures recomenades pel professor/a
ICT practicals L'alumne haurà de resoldre pràtiques similars a les realitzades de manera guiada.
Practicals using information and communication technologies (ICTs) in computer rooms
Personal tuition Temps per resoldre dubtes als estudiants.

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 preguntes conceptuals i exercicis similars als de les pràctiques realitzades durant el curs acadèmic. Els exercicis 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 short-answer tests
A2
A6
A8
B3
 Aquestes proves formen part de l'avaluació continuada i es duran a terme dues com a minim.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

Segona convocatoria: Prova amb un pes del 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.