Econometría

De Wikiversidad
Ir a la navegación Ir a la búsqueda

La econometría (derivado de econo, economía y metría, medición, o sea, medición de la economía) es la rama de la Economía que utiliza métodos y modelos matemáticos. El cálculo, la probabilidad, la estadística, la programación lineal y la teoría de juegos, así cómo otras áreas de las matemáticas, se utilizan para analizar, interpretar y predecir diversos sistemas y variables económicas, como el precio, las reacciones del mercado, el coste de producción, la tendencia de los negocios y la política económica.

Temario[editar]

  1. Introducción
  2. Asuntos Económicos y datos
  3. Revisión de la probabilidad
  4. Examen de las estadísticas
  5. Fundamentos de análisis de regresión
  6. Regresión lineal con un regresor
  7. Regresión lineal múltiple con regresores
  8. Las funciones de regresión no lineal
  9. Valoración de estudios basados en la regresión múltiple
  10. Regresión con datos de panel
  11. Regresión con una variable dependiente binaria
  12. Las variables de regresión instrumental

Econometría de series temporales[editar]

El temario expuesto anteriormente está dentro del campo de la denominada Econometría Causal, es decir, una variable dependiente es explicada y predicha por su relación con k variables explicativas. Este tipo de análisis conlleva, por una parte, la necesidad de una teoría económica que justifique la variables explicativas que se han de incluir en el modelo y, por otra parte, las predicciones de la variable Y se basan en las predicciones de las variables X's. Bajo este contexto, surge la Econometría de las Series temporales que permite realizar predicciones de las variable de interés con la única información que el pasado de la misma. Un posible temario que abarcara dicha especialidad sería el siguiente:

Análisis clásico de series temporales[editar]

  1. Introducción
  2. Componentes de una serie temporal. Descomposición
  3. Componente estacional
  4. Componente tendencia-ciclo
  5. Predicción

Modelos de Alisado Exponencial[editar]

  1. Introducción
  2. Tipos de modelos
    1. Modelos de alisado exponencial simple
    2. Modelos de Brown
    3. Modelo de Holt-Winters
    4. Modelo de Holt-Winters con estacionalidad

Modelos estocásticos[editar]

  1. Introducción. Procesos estocásticos, estacionariedad y ergodicidad
  2. Modelos estacionarios lineales: ARMA (p,q)
  3. Modelos no estacionarios: ARIMA (p,d,q) y modelos estacionales

Análisis Box-Jenkins[editar]

  1. Identificación
  2. Estimación
  3. Validación
  4. Predicción

Ver también[editar]