Identifying Data 2015/16
Subject (*) Econometría I Code 611G01022
Study programme
Grao en Economía
Descriptors Cycle Period Year Type Credits
Graduate 1st four-month period
Third Obligatoria 6
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Economía Aplicada 2
Coordinador
Arranz Perez, Matilde
E-mail
matilde.arranz@udc.es
Lecturers
Arranz Perez, Matilde
Lodeiro Hermida, Maria Jose
Rey Graña, Carlota
E-mail
matilde.arranz@udc.es
maria.lodeiro@udc.es
carlota.rey@udc.es
Web
General description Esta materia é unha continuación da Introdución á Econometría do Grao de Economía. Nos primeiros temas analízanse algunhas técnicas de Inferencia Estatística sobre os parámetros dun modelo clásico e a aplicación do modelo con fins predictivos. A segunda parte refírese, basicamente, á extensión do modelo clásico ao suposto do incumprimento dalgunhas hipóteses sobre a perturbación.
Contingency plan

Study programme competencies
Code Study programme competences
A1 CE1- Contribuír á boa xestión da asignación de recursos tanto no ámbito privado como no público.
A2 CE2-Identificar e anticipar problemas económicos relevantes en relación coa asignación de recursos en xeral, tanto no ámbito privado como no público.
A3 CE3-Aportar racionalidade á análise e á descripción de calquera aspecto da realidade económica.
A4 CE4-Avaliar consecuencias e distintas alternativas de acción e seleccionar as mellores, dados os obxectivos.
A7 CE7-Identificar as fontes de información económica relevante e o seu contido.
A9 CE9-Derivar dos datos información relevante imposible de recoñecer por non profesionais.
A10 CE10-Usar habitualmente a tecnoloxía da información e as comunicación en todo a seu desempeño profesional.
A12 CE12-Aplicar á análise dos problemas criterios profesionais baseados no manexo de instrumentos técnicos.
A13 CE13-Comunicarse con fluidez no seu contorno e traballar en equipo.
C3 Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
C4 CT2-Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común.
C5 CT3-Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras.
C6 CT4-Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C7 CT5-Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida.
C8 CT6-Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Learning aims
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

Contents
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.

Planning
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
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.

Personalized attention
Methodologies
Workshop
ICT practicals
Mixed objective/subjective test
Description
- Resolución das dúbidas específicas de cada alumno que se poidan suscitar na comprensión dos conceptos teóricos ou na súa aplicación práctica.
- Adaptación do ensino das ferramentas informáticas ás características de cada alumno.
- Sesións para preparar as probas obxectivas.
- Tratamento de todas as cuestións relacionadas co traballo que os alumnos haxan de realizar como parte do proceso de aprendizaxe.
- Formaranse dous subgrupos de 15 alumnos. Cada un deles terá unha tutoría de 4 horas de duración, repartidas en dúas sesións de 2 horas cada unha. Avisarase en clase, con antelación, sobre o lugar e a data en que se van a celebrar.
- A atención prestarase nas horas de clase previstas para esta actividade e en horario de tutorías.

Assessment
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. 


Sources of information
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.


Recommendations
Subjects that it is recommended to have taken before
Estatística I/611G01006
Matemáticas I/611G01009
Matemáticas II/611G01010
Microeconomía e Mercados/611G01012
Estatística II/611G01014
Macroeconomía/611G01017
Métodos Estatísticos e Introdución á Econometría/611G01019

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus
Econometría II/611G01027

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.



(*)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.