1) A cualificación de cada alumno obterase combinando os resultados da avaliación continua ao longo do período lectivo e a nota que obteña na proba mixta. A avaliación continua pondera un 30% da cualificación (máximo 3.0 puntos), e a proba mixta o restante 70% (máximo 7.0 puntos).

2) A proba mixta considérase fundamental na avaliación, polo que será necesario obter nela un mínimo de 2.5 puntos para superar a materia. O alumno que non alcance esta puntuación mínima, será cualificado cun máximo de 4 puntos.

3) En ningún caso a parte da nota correspondente á avaliación continua poderase obter no exame final. En calquera circunstancia, devandito exame suporá como máximo 7.0 puntos.

4) Segundo o Acordo marco para a elaboración das guías docentes do Centro:

4.1 "A cualificación de Non Presentado se reserva exclusivamente ás persoas que só participasen en actividades que, en conxunto, supoñan menos do 20% da nota final". Por tanto, todos os alumnos que se presenten a actividades que supoñan un mínimo do 20% da nota final, calquera que sexa a puntuación obtida nas mesmas, terán unha cualificación numérica na materia.

4.2. "Está prohibido o acceso á aula de exame con calquera dispositivo que permita o almacenamento de información ou a comunicación co exterior". Os alumnos que os traian, deberán apagalos e depositalos á entrada da aula antes do comezo da proba; os profesores non se fan responsables da súa perda ou extravío.

Learning outcomes	Study programme competences
Coñecer e comprender algunhas técnicas sinxelas de inferencia sobre os parámetros do modelo de regresión lineal normal clásico.	A1 A2 A3 A4 A7 A9 A10 A12 A13	C3 C4 C5 C6 C7 C8
Saber valorar a utilidade dun modelo econométrico para predicir.	A1 A2 A3 A4 A7 A9 A10 A12 A13	C3 C4 C5 C6 C7 C8
Coñecer e comprender as técnicas adecuadas para a estimación e contraste no modelo de regresión lineal xeneralizado.	A1 A2 A3 A4 A7 A9 A10 A12 A13	C3 C4 C5 C6 C7 C8
Utilizar ferramentas informáticas adecuadas para a aplicación das competencias anteriores.	A7 A10 A12	C3

Topic	Sub-topic
1) O modelo de regresión lineal normal clásico (MRLNC).	1.1 Normalidade das perturbacións. 1.2 Distribución muestral dos estimadores. 1.3 Distribución muestral da suma de cadrados de erros. 1.4 Estatísticos de interese para a estimación de parámetros e o contraste de hipótese.
2) Inferencia no modelo de regresión lineal normal clásico.	2.1 Estimación por mínimos cadrados restrinxidos (MCR). 2.2 Contrastación de hipótese sobre os parámetros do modelo. 2.3 Estimación por intervalo dos parámetros do modelo. 2.4 Estimación máximo-verosímil (MV).
3) Predición no modelo de regresión lineal clásico.	3.1 A predición: concepto e clases. 3.2 Predición óptima no modelo clásico. 3.3 Medidas evaluadoras da capacidade predictiva dun modelo. 3.4 Análise da estabilidade post muestral.
4) Multicolinealidad.	4.1 Concepto e causas. 4.2 Consecuencias. 4.3 Identificación do problema. 4.4 A selección de regresores.
5) O modelo de regresión lineal xeneralizado.	5.1 Hipótese do modelo. 5.2 Os estimadores mínimo cuadrático xeneralizados. 5.3 Heterocedasticidad: causas, contrastes, estimación e predición. 5.4 Autocorrelación: causas, contrastes, estimación e predición.

Methodologies / tests	Competencies	Ordinary class hours	Student’s personal work hours	Total hours
Introductory activities		3	0	3
Guest lecture / keynote speech		17	34	51
Workshop		15	30	45
Mixed objective/subjective test		2	9	11
ICT practicals		7	28	35

Personalized attention		5	0	5

(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies	Description
Introductory activities	O curso comezará cunha sesión expositiva na que se presentará a materia, exporanse con detalle o traballo a desenvolver polos alumnos e os criterios de avaliación e, repasaranse os conceptos básicos da materia de Introdución á Econometría anteriormente cursada.
Guest lecture / keynote speech	Docencia expositiva consistente en leccións impartidas polos profesores, nas que se desenvolverá o contido teórico do programa mediante exposición oral complementada por medios audiovisuais.
Workshop	Docencia interactiva dedicada á solución de exercicios nos que se aplican os conceptos teóricos.
Mixed objective/subjective test	Permite preguntas de desenvolvemento e preguntas de resposta múltiple, de ordenación, de resposta breve, de discriminación de completar e/ou de asociar.
ICT practicals	Sesións interactivas dedicadas á presentación e aplicación das ferramentas informáticas relacionadas cos contidos do programa.

Methodologies	Competencies	Description	Qualification
Workshop		Trátase da avaliación continua. Os alumnos deberán ter presenza activa nestas clases, e deberán resolver e entregar os exercicios e cuestións que lles sexan propostos e, na forma que lles será indicada.	30
Mixed objective/subjective test		Trátase do exame final. Proba escrita para a avaliación da aprendizaxe. Poderá combinar distintos tipos de preguntas de tipo teórico e práctico.	70

Assessment comments
1) A cualificación de cada alumno obterase combinando os resultados da avaliación continua ao longo do período lectivo e a nota que obteña na proba mixta. A avaliación continua pondera un 30% da cualificación (máximo 3.0 puntos), e a proba mixta o restante 70% (máximo 7.0 puntos). 2) A proba mixta considérase fundamental na avaliación, polo que será necesario obter nela un mínimo de 2.5 puntos para superar a materia. O alumno que non alcance esta puntuación mínima, será cualificado cun máximo de 4 puntos. 3) En ningún caso a parte da nota correspondente á avaliación continua poderase obter no exame final. En calquera circunstancia, devandito exame suporá como máximo 7.0 puntos. 4) Segundo o Acordo marco para a elaboración das guías docentes do Centro: 4.1 "A cualificación de Non Presentado se reserva exclusivamente ás persoas que só participasen en actividades que, en conxunto, supoñan menos do 20% da nota final". Por tanto, todos os alumnos que se presenten a actividades que supoñan un mínimo do 20% da nota final, calquera que sexa a puntuación obtida nas mesmas, terán unha cualificación numérica na materia. 4.2. "Está prohibido o acceso á aula de exame con calquera dispositivo que permita o almacenamento de información ou a comunicación co exterior". Os alumnos que os traian, deberán apagalos e depositalos á entrada da aula antes do comezo da proba; os profesores non se fan responsables da súa perda ou extravío.

Basic	Carrascal, U., González, Y. y Rodríguez, B. (2000). Análisis Econométrico con EViews. Ra-ma Guisán, M.C. (1997). Econometría. McGraw-Hill Arranz, M., Lodeiro, M. y Ramil, M. (2004). Introducción a la Econometría. Notas, ejercicios y aplicaciones. ISBN 84-688-6035-2 Ramil, M., Rey, C., Lodeiro, M. y Arranz, M. (2012). Introducción a la Econometría. Teoría y práctica. Noroeste S.L. ISBN 13:978-84-92794-64-5 Arranz, M. (2014). Material para el desarrollo de las clases. Moodle

Complementary	Gujarati, D. y Porter, D. (2011). Econometría. McGraw-Hill Matilla, M.; Pérez, P.; Sanz, B. (2013). Econometría y Predicción . McGraw-Hill Maddala, G.S. (1996). Introducción a la Econometría. Prentice Hall Wooldridge, J. (2005). Introducción a la Econometría. Un enfoque moderno. Thomson
	É posible que se utilicen outros libros de texto, fontes de datos e material dispoñible na rede. Irase detallando durante o curso.

Other comments
Esta materia é a continuación de Introdución á Econometría. Como consecuencia, é moi importante que os alumnos estean familiarizados co contido da devandita materia.