Banco Central de Reserva del Per

55 Curso de Extensin Universitaria - 2008

Econometra
Profesor: Juan Francisco Castro

Programa del curso

1. Objetivo
El objetivo del curso es que los alumnos aprendan la teora y prctica de cmo hacer estimaciones bajo
distintos mtodos, segn sean las caractersticas de la data. Para esto, se plantea una breve revisin de
los principales elementos del Modelo Lineal General y de teora asinttica, para luego presentar con
detalle un conjunto de tcnicas de inters complementarias y/o alternativas al enfoque de los modelos
uniecuacionales ms simples. Se pondr especial nfasis en el anlisis se series de tiempo, los modelos de
datos de panel y la estimacin con variables dependientes limitadas.

2. Contenido y cronograma

Sesin 1 Introduccin y repaso (5 horas)
( 3h TD1; 2h MD2 )
1. Introduccin: los objetivos y alcances de la modelacin economtrica.
1.1. Qu es un modelo? Por qu trabajamos con modelos?
1.2. Qu es y qu busca la econometra?
2. Estimacin e inferencia en el Modelo Lineal General (MLG)
2.1. Los cinco supuestos del MLG.
2.2. La geometra de Mnimos Cuadrados Ordinarios
2.3. Qu nos dice la regresin particionada?
2.4. El trade-off sesgo varianza
2.5. Breve repaso del concepto de inferencia, tamao y potencia de una prueba

Castro y Rivas Llosa: Captulo II, acpite 2.

Greene: Captulo 6, acpites 6.1 - 6.6; Captulo 7, acpites 7.1 - 7.5.

3. Teora asinttica y regresores estocsticos

3.1. Algunos elementos tiles de teora asinttica
3.2. Propiedades asintticas del estimador MICO
3.3. Qu implica la presencia de un regresor estocstico?

Castro y Rivas Llosa: Captulo VIII.

Greene: Captulo 6, acpite 6.7.

Sesin 2 Anlisis univariado de series de tiempo (8 horas)

( 1h MD2; 3.5h TD2; 3.5h MD3 )
4. Series de tiempo estacionarias
4.1. Qu entendemos por proceso estacionario?
4.2. Condiciones para la estacionariedad
4.3. Estadsticos que caracterizan a un proceso estacionario

55 Curso de Extensin Universitaria BCRP

5. Series de tiempo no estacionarias en media

5.1. Por qu es importante analizar la estacionariedad en media de una serie?
5.2. A qu nos referimos con no estacionariedad en media?
5.3. Un camino aleatorio
5.4. Un camino aleatorio con drift
5.5. Finalmente, un ARIMA(1,1,1) con drift
5.6. Verificando la existencia de raz unitaria
5.7. Raz unitaria vs. cambio estructural

Castro y Rivas Llosa: Captulo IX.

Enders: Captulo 2; Captulo 4

6. Series de tiempo no estacionarias en varianza

6.1. Nuestro setting: modelando la varianza
6.2. Para qu modelar la varianza condicional?
6.3. La definicin de un proceso ARCH
6.4. La especificacin de un modelo ARCH
6.5. Un ARCH-M
6.6. Modelos asimtricos: TARCH y EGARCH

Enders: Captulo 3.

Sesin 3 Anlisis de series de tiempo multiecuacional (7 horas)

( 3.5h TD3; 3.5h MD4 )
7. La metodologa de los vectores autorregresivos (VAR)
7.1. Nuestro setting: forma estructural vs. forma reducida
7.2. Estimacin del VAR
7.3. La identificacin del sistema
7.4. La descomposicin de Choleski
7.5. La funcin de impulso respuesta y la descomposicin de varianza

Enders: Captulo 5

8. Cointegracin y modelos de correccin de errores

8.1. Cundo podemos hablar de cointegracin?
8.2. Cointegracin bivariada (slo un vector de cointegracin)
8.3. Cointegracin multivariada: el test de Johansen

Castro y Rivas-Llosa: Captulo IX.

Enders: Captulo 6.

Sesin 4 Modelos de datos de panel (3.5 horas)

( 3.5h TD4 )

9. El modelo esttico lineal

9.1. Qu es y por qu puede ser til trabajar con un panel de datos?
9.2. El modelo de regresin con interceptos mltiples
9.3. Efectos fijos o efectos aleatorios?
9.4. El modelo de efectos aleatorios

Wooldridge: Captulo 10.

Prof. Juan F. Castro

Econometra

55 Curso de Extensin Universitaria BCRP

Econometra

Sesin 5 Modelos con variables dependientes limitada (3.5 horas)

( 3.5h TD5 )

10. Variables dependientes limitadas

10.1. El modelo de eleccin binaria
10.2. Modelos multinomiales
10.3. Truncamiento, censura y sesgo de seleccin

Greene: Captulo 19; Captulo 20.

Asignacin de la tarea
- Viernes 8 de febrero

Examen Final (2 horas)

- Sbado 9 de febrero

3. Calificacin

Examen Final .................. 80%

Tarea................................ 20%

4. Referencias

Lecturas obligatorias (complementan las notas de clase)

Castro, J.F. y Roddy Rivas-Llosa. Econometra Aplicada. Biblioteca Universitaria. Centro de
Investigacin de la Universidad del Pacfico. Lima, 2003.
Enders W, Applied Econometric Time Series. Segunda edicin, John Wiley and Sons, Inc., 2004.
Greene W., Anlisis Economtrico, Tercera Edicin 1999.
Wooldridge J., Econometric Analysis of Cross Section and Panel Data, The MIT Press, 2002.

Otras Lecturas
Hamilton, Time series analysis. Princeton University Press, 1994.
Johansen Soren (1995). Likelihood-based inference in cointegrated vector autorregresive
models. Oxford University Press.
Kennedy, P. A guide to econometrics. The MIT Press, tercera edicin 1993.
Perron, P. Trend, unit root and structural change in macroeconomic time series. Dpartment de
Sciences Economiques et CRDE. Universit de Montreal. Mimeo, Enero 1993.
Ruud, Paul A. (2000). An Introduction to Classical Econometric Theory. Oxford University Press.
Zivot, E. y Andrews, D.W.K. Further evidence on the great crash, the oil price shock and the unit
root hypothesis. Cowles Foundation Discussion Paper No. 944, 1990.

Prof. Juan F. Castro