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. Para superar a materia han de obterse polo menos 5 puntos, cun mínimo de 2.5 na proba obxectiva.

O sistema de avaliación será aplicado tal e como se describe no apartado correspondente en todas e cada unha das oportunidades e a todos os alumnos, con independencia da súa situación académica. Os estudantes con dedicación parcial están exentos de asistencia excepto nas datas de realización das probas de avaliación, que son presenciales.

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.

Learning outcomes	Study programme competences
Coñecer e utilizar axeitadamente algunhas técnicas de inferencia estatística e comprender os resultados da súa aplicación empírica.	A3 A5 A9 A10 A12 A13	B2 B3 B4 B5 B6 B7	C1 C5 C6
Coñecer e valorar a utilidade dos modelos econométricos no campo da predicción.	A4 A7	B2 B3 B4 B5 B6 B7 B8	C1 C4 C5 C6
Coñecer e aplicar o modelo con perturbacións heterocedasticas ou autocorrelacionadas.	A3 A4 A9 A10 A12 A13	B2 B3 B4 B5 B6 B7 B8	C1 C6
Coñecer e utilizar os procedementos do software apropiado para estimar, contrastar e predecir con distintos modelos econométricos.	A7 A9 A10 A11 A12	B2 B3 B5 B8	C1 C3 C6 C8
Analizar, desde un punto de vista crítico, os resultados da aplicación das técnicas e instrumentos que se utilizan no ámbito da disciplina.	A1 A2 A3 A4 A5 A9 A12	B1 B2 B4 B5 B6 B7 B8 B9	C1 C4 C6 C7

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. O modelo de regresión lineal xeneralizado.	4.1. Heterocedasticidade. 4.2. Autocorrelación. 4.3. Consecuencias sobre os procesos de estimación, inferencia e predicción. 4.4. Métodos para detectar a existencia de heterocedasticidade ou autocorrelación. 4.5. Estimación mínimo-cuadrático xeneralizada.

Methodologies / tests	Competencies	Ordinary class hours	Student’s personal work hours	Total hours
Introductory activities	B5 C6 C7 C8	1	0	1
Guest lecture / keynote speech	A3 A4 A5 A7 A9 A11 A13 B1 B4 B7 C1 C5	17	34	51
Workshop	A1 A2 A13 B2 B3 B6 B8 B9 C1 C4 C5 C6	17	42.5	59.5
ICT practicals	A10 A11 A12 C8 C3	8	16	24
Objective test	A3 A4 A5 A7 A12 B2 B3 B5 C1 C6	2	6	8

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	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.
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.
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	É unha proba escrita para avaliar o grao de aprendizaxe.

Methodologies	Competencies	Description	Qualification
Workshop	A1 A2 A13 B2 B3 B6 B8 B9 C1 C4 C5 C6	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 A4 A5 A7 A12 B2 B3 B5 C1 C6	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
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. Para superar a materia han de obterse polo menos 5 puntos, cun mínimo de 2.5 na proba obxectiva. O sistema de avaliación será aplicado tal e como se describe no apartado correspondente en todas e cada unha das oportunidades e a todos os alumnos, con independencia da súa situación académica. Os estudantes con dedicación parcial están exentos de asistencia excepto nas datas de realización das probas de avaliación, que son presenciales. 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.

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.; Porter, 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.

Other comments
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 dita materia antes ou ao comezo do curso.