Study programme competencies |
Code
|
Study programme competences / results
|
A3 |
Evaluate and foreseeing, from relevant data, the development of a company. |
A4 |
Elaborate advisory reports on specific situations of companies and markets |
A6 |
Identify the relevant sources of economic information and to interpret the content. |
A8 |
Derive, based on from basic information, relevant data unrecognizable by non-professionals. |
A9 |
Use frequently the information and communication technology (ICT) throughout their professional activity. |
A10 |
Read and communicate in a professional environment at a basic level in more than one language, particularly in English |
A11 |
To analyze the problems of the firm based on management technical tools and professional criteria |
A12 |
Communicate fluently in their environment and work by teams |
B1 |
CB1-The students must demonstrate knowledge and understanding in a field of study that part of the basis of general secondary education, although it is supported by advanced textbooks, and also includes some aspects that imply knowledge of the forefront of their field of study |
B2 |
CB2 - The students can apply their knowledge to their work or vocation in a professional way and have competences typically demostrated by means of the elaboration and defense of arguments and solving problems within their area of work |
B3 |
CB3- The students have the ability to gather and interpret relevant data (usually within their field of study) to issue evaluations that include reflection on relevant social, scientific or ethical |
B4 |
CB4-Communicate information, ideas, problems and solutions to an audience both skilled and unskilled |
B5 |
CB5-Develop skills needed to undertake further studies learning with a high degree of autonomy |
B10 |
CG5-Respect the fundamental and equal rights for men and women, promoting respect of human rights and the principles of equal opportunities, non-discrimination and universal accessibility for people with disabilities. |
C1 |
Express correctly, both orally and in writing, in the official languages of the autonomous region |
C4 |
To be trained for the exercise of citizenship open, educated, critical, committed, democratic, capable of analyzing reality and diagnose problems, formulate and implement knowledge-based solutions oriented to the common good |
C5 |
Understand the importance of entrepreneurial culture and know the means and resources available to entrepreneurs |
C6 |
Assess critically the knowledge, technology and information available to solve the problems and take valuable decisions |
C7 |
Assume as professionals and citizens the importance of learning throughout life. |
C8 |
Assess the importance of research, innovation and technological development in the economic and cultural progress of society. |
Learning aims |
Learning outcomes |
Study programme competences / results |
Coñecer e utilizar axeitadamente algunhas técnicas de inferencia estatística e comprender os resultados da súa aplicación empírica. |
A3 A4 A6 A8 A12
|
B3 B4 B5
|
C1
|
Coñecer e valorar a utilidade dos modelos econométricos no campo da predición. |
A3 A4 A6
|
B1
|
C1 C5 C6
|
Coñecer e aplicar os procedementos do software apropiado para estimar, contrastar e predicir nun modelo de regresión lineal múltiple. |
A3 A4 A8 A9 A10
|
B2
|
C8
|
Analizar, desde un punto de vista crítico, os resultados da aplicación das técnicas e instrumentos que se utilizan no ámbito da disciplina. |
A11 A12
|
B10
|
C1 C4 C7 C8
|
Contents |
Topic |
Sub-topic |
1. O modelo de regresión lineal clásico. |
1.1. Revisión das hipóteses e do proceso de estimación dos parámetros do modelo.
1.2. Propiedades dos estimadores.
1.3. Análise da bondade do axuste.
|
2. Inferencia no modelo clásico. |
2.1. Hipótese de normalidade.
2.2. Distribucións de probabilidade dos estimadores.
2.3. Contrastes de hipóteses para os parámetros.
2.4. Estimación por intervalo.
2.5. Estimación máximo-verosímil.
|
3. Predición no modelo clásico. |
3.1. A predición: concepto e clases.
3.2. Predición óptima no modelo clásico.
3.3. Medidas avaliadoras da capacidade predictiva.
3.4. A estabilidade no período de predición. |
4. Multicolinealidade. |
4.1. Concepto.
4.2. Causas e consecuencias.
4.3. Procedementos para detectar a multicolinealidade.
4.4. Posibles formas de actuar.
4.5. Selección de regresores. |
Planning |
Methodologies / tests |
Competencies / Results |
Teaching hours (in-person & virtual) |
Student’s personal work hours |
Total hours |
Introductory activities |
A9 |
1 |
0 |
1 |
Workshop |
A3 A12 |
17 |
42.5 |
59.5 |
ICT practicals |
A4 A6 C1 C4 |
8 |
16 |
24 |
Objective test |
A3 A8 A9 |
2 |
6 |
8 |
Guest lecture / keynote speech |
A10 A11 B1 B2 B3 B4 B5 B10 C5 C6 C7 C8 |
17 |
34 |
51 |
|
Personalized attention |
|
6.5 |
0 |
6.5 |
|
(*)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 |
Consisten na presentación da materia e a exposición detallada das actividades que deben desenvolver os alumnos e os criterios cos que serán avaliados. |
Workshop |
Cada taller é unha sesion interactiva na que se realizan aplicacións, exercicios e problemas que permiten aos alumnos comprender os fundamentos teóricos da materia e aprender a valorar, dende un punto de vista crítico, os resultados obtidos. |
ICT practicals |
Son sesións interactivas dedicadas á aprendizaxe das ferramentas informáticas apropiadas para efectuar aplicacións empíricas dos métodos expostos nas sesións teóricas. |
Objective test |
Proba escrita para avaliar o grao de aprendizaxe. |
Guest lecture / keynote speech |
Cada sesión maxistral consiste na exposición oral, por parte dos profesores, dos conceptos e métodos, aínda que debe contar coa participación activa dos alumnos. A exposición compleméntase coa utilización de medios audiovisuais e inclúe exemplos e exercicios que permiten destacar as limitacións e as posibilidades dos métodos expostos. |
Personalized attention |
Methodologies
|
Workshop |
Objective test |
ICT practicals |
|
Description |
A heteroxeneidade dos estudantes, no que se refire á súa formación previa e á súa situación académica, require unha atención personalizada que permita resolver as dúbidas específicas que teñan ao longo do curso. As prácticas a través de TIC, os talleres e as titorías son ferramentas importantes para resolver problemas teóricos e empíricos, tanto a nivel colectivo como individual. |
|
Assessment |
Methodologies
|
Competencies / Results |
Description
|
Qualification
|
Workshop |
A3 A12 |
Valorarase a presenza activa dos alumnos nestas clases, nas que deberán resolver e entregar os controis, problemas, exercicios e cuestións que lles sexan propostos, na forma que se detallará ao comezo do curso. Estas actividades computarán na avaliación ata un máximo de 3 puntos sobre 10. |
30 |
Objective test |
A3 A8 A9 |
A proba obxectiva para a avaliación da aprendizaxe combina preguntas conceptuais e de razoamento con outras de contido práctico coas que poden achegarse saídas de ordenador para a súa interpretación. Esta proba computará na avaliación ata un máximo de 7 puntos sobre 10. |
70 |
|
Assessment comments |
1) Para superar a materia han de obterse polo menos 5 puntos, cun mínimo de 2.5 na proba obxectiva.
2) O sistema de avaliación será aplicado, tal e como se describe no apartado anterior, en todas e cada unha das oportunidades e a todos os alumnos, con independencia da súa situación académica.
3) Os alumnos con dedicación parcial están exentos de asistencia excepto nas datas de realización das probas de avaliación.
4) A cualificación de non presentado corresponde unicamente ao alumnado que participe en actividades de avaliación que teñan unha ponderación inferior ao 20 por cento da cualificación total.
5) Como é preceptivo, as probas de avaliación rexeranse pola normativa de avaliación, revisión e reclamación das cualificacións dos estudos de grao e mestrado universitario (https://www.udc.es/export/sites/udc/normativa/_galeria_down/academica/Normas_avaliacion_revision_reclamacion_consolidado_l.pdf). Recoméndase prestar especial atención aos artigos 10 (Identificación dos estudantes) e 14 (Comisión de fraude
e responsabilidades disciplinarias).
|
Sources of information |
Basic
|
Carrascal, U.; González, Y.; y Rodríguez, B. (2000). Análisis Econométrico con Eviews. RA-MA.
Pena, J.B. y otros. (1999). Cien ejercicios de Econometría. Pirámide.
Guisán, M.C. (1997). Econometría. McGraw-Hill.
Martin, G.; Labeaga, J.M. y Mochón, F. (1997). Introducción a la Econometría. Prentice-Hall.
Ramil, M.; Rey, C.; Lodeiro, M.; Arranz, M. (2013). Introducción a la Econometría. Teoría y práctica. Reprografía Noroeste, S.L. |
|
Complementary
|
Gujarati, D. (2010). Econometría. McGraw-Hill.
Maddala, G.S. (1996). Introducción a la Econometría. Prentice-Hall. |
A medida que se avanza no coñecemento das técnicas econométricas é recomendable a lectura de artigos enfocados a resolver problemas reais da economía, tales como os que poden atoparse en acceso libre en http://www.us.es/economet.
Utilizaranse, ademais, outros libros de texto, distintas fontes de datos e material dispoñible na rede, que se detallarán ao longo do curso.
|
Recommendations |
Subjects that it is recommended to have taken before |
Principios de Microeconomía/611G02001 | Principios de Macroeconomía/611G02005 | Estatística I/611G02006 | Matemáticas I/611G02009 | Matemáticas II/611G02010 | Estatística e Introdución á Econometría/611G02014 |
|
Subjects that are recommended to be taken simultaneously |
|
Subjects that continue the syllabus |
|
Other comments |
1) Esta materia é a continuación da Introdución á Econometría; por tanto, é moi importante que os alumnos estean familiarizados co seu contido. Recoméndase revisar o material correspondente a esta materia antes ou ao comezo do cuatrimestre. 2) A profesora Matilde Arranz Pérez, que ten o encargo docente dos grupos B e D, impartirá a materia en galego. |
|