Estudia

Horaris:

• Comprensió de la investigació aplicada i la realització de treballs amb base empírica.
• Domini del model de regressió clàssic amb la incorporació de variables qualitatives.
• Conèixer el tractament de dades de sèrie temporal per tal de fer possible l’aplicació dels models economètrics en l’anàlisi estructural, la contrastació de les hipòtesis teòriques i la predicció i la simulació de conductes.
• Coneixement de les tècniques estadístiques especialitzades en el tractament de dades d’enquesta.
• Saber interpretar i aplicar les tècniques que permeten la reducció del nombre d’individus tot creant grups d’individus semblants
• Saber interpretar i aplicar les tècniques que possibiliten la síntesi, és a dir, la reducció del nombre de variables, tot creant indicadors sintètics que combinin variables de comportament similar

1. PRIMER QUADRIMESTRE. Econometria Clàssica i Sèries Temporals------------------------------------------------------------------------------TEMA 1. Temes en regressió I. Variables exògenes qualitatives i Pertorbacions no esfèriques.

          1.1. Model de regressió múltiple. Especificació, estimació, diagnòstic i ús. Notació matricial.

          1.2. Models amb variables exògenes qualitatives. Aplicacions: efectes estacionals i canvi estructural

          1.3. Pertorbacions no esfèriques, concepte, causes i conseqüències sobre l’estimació per MQO.

2. TEMA 2. Temes en regressió II. Variables endògenes qualitatives. Models d’elecció binària.

          2.1. Distribució de Bernouilli. Mètode d’estimació de màxima versemblança, i contrastos associats (Wald, multiplicadors de Lagrange i raó de versemblances).

          2.2. El model lineal de probabilitat.

          2.3. El model logit Especificació i estimació màxim versemblant.

          2.4. Validació del model.

          2.5. El model probit. El model logit multinomial.

3. TEMA 3. Models univariats de sèries temporals.

          3.1. Conceptes preliminars: processos estocàstics, estacionarietat, funcions d’autocorrelació.

          3.2. Processos estocàstics estacionaris, autorregressius (AR), de mitjanes mòbils (MA), mixtos (ARMA) i integrats (ARIMA)

          3.3. La metodologia Box-Jenkins.

          3.4. Models estacionals (SARIMA).

          3.5. Predicció puntual i per interval.

4. TEMA 4. Models economètrics dinàmics.

          4.1. Models de regressió amb retards en les variables exògenes o en l’endògena.

          4.2. Introducció al model de la funció de transferència.

5. SEGON QUADRIMESTRE: Anàlisi multivariada----------------------------------------------------------------------------------------------------------------TEMA 5. Introducció a l’anàlisi multivariada

          5.1. Repàs d’àlgebra matricial. Variables centrades i estandarditzades; matrius de covariàncies i correlacions.

          5.2. Tècniques d’ interdependència.

          5.3. Classificació i objectius de les tècniques.

6. TEMA 6. Anàlisi en components principals

          6.1. Concepte. Objectiu. Reducció de la dimensionalitat.

          6.2. Perspectiva geomètrica.

          6.3. Anàlisi exploratòria de les dades. Dades mancants.

          6.4. Algorisme de càlcul.

          6.5. Interpretació dels valors propis. Matriu de residus. Nombre de components a retenir.

          6.6. Interpretació de les components. Saturacions. Representació d’individus i variables. Rotació. Variables il·lustratives.

          6.7. Variables no estandarditzades.

7. TEMA 7. Anàlisi de correspondències múltiple

          7.1. Recodificació binària de les variables.

          7.2. Matriu que es sotmet a l’anàlisi.

          7.3. Nombre d’eixos a retenir. Correccions a la bondat d’ajust.

          7.4. Interpretació dels eixos. Coordenades i contribucions absolutes. Variables il·lustratives.

          7.5. Tractament de dades mancants.

8. TEMA 8. Anàlisi de conglomerats o cluster analysis.

          8.1. Introducció i objectiu.

          8.2. Decisions prèvies sobre la matriu de dades.

          8.3. Selecció de la mesura de similaritat o dissimilaritat.

          8.4. Algorismes d’agregació jeràrquics. Dendrograma.

          8.5. Algorismes de partició no jeràrquics.

          8.6. Interpretació i Diagnòstic. Variables il·lustratives.

9. TEMA 9. Anàlisi factorial exploratòria

          9.1. Model d’anàlisi factorial exploratòria (AFE). Objectiu. Mesura. Dimensionalitat latent.

          9.2. Formulació del model. Supòsits. Paràmetres i interpretació.

          9.3. Estimació.

          9.4. Diagnòstic del model. Nombre de factors.

          9.5. Anàlisi de resultats. Comunalitat. Interpretació: saturacions i saturacions rotades.

          9.6. Ús del model. Fiabilitat i validesa.

• Greene, William H (cop. 2003). Econometric analysis (5th ed). Upper Saddle River, N.J: Prentice Hall.
• Sáez i Zafra, Marc, Barceló Rado, María Antonia (1998). Econometría, : introducción y casos prácticos. Madrid: Centro de Estudios Ramón Areces.
• Pérez López, César (2005). Métodos Estadisticos Avanzados con SPSS. Thomson.
• Johnson, Dallas E (2000). Métodos multivariados aplicados al análisis de datos. México [etc.]: International Thomson Editores.

Activitats d'avaluació:

Mètodes docents:
L’assignatura és acumulativa. Els temes no es poden tractar de manera aïllada sinó que la comprensió d’un tema requereix el domini dels temes anteriors. Pel seguiment amb èxit de l’assignatura és imprescindible estudiar al dia el llibre, els apunts i les llistes de problemes, resoldre els dubtes immediatament als horaris de tutoria i fer el seguiment de les sessions pràctiques.
L´assignatura també és acumulativa respecte a "introducció a l´estadística" i "estadística i introducció a l´econometria". Els apartats assenyalats amb un zero són de repàs, i el seu desenvolupament correspon a l´estudiant/a fora d’hores de classe, amb l’ajut de les tutories. Cal fer aquest repàs abans de l´inici del tema, a fi de poder seguir les explicacions correctament.
Les pràctiques es faran amb el programari SPSS a l’aula d’informàtica durant una hora setmanal amb el grup subdividit. Durant les setmanes que no es facin pràctiques, aquesta hora es dedicarà preferentment a problemes a l’aula de classe.

Tipus d'exàmens:
Per tal de superar l’assignatura s’ha d’aprovar l’examen final de la convocatòria de juny. No obstant això, i a efectes alliberatoris de la part corresponent, els estudiants podran realitzar una prova parcial, al gener- febrer. Els estudiants que hagin alliberat la matèria del primer parcial podran optar per presentar-se bé a l'examen final de tota l'assignatura, bé a només l'examen del segon parcial. En aquest cas la nota final de l'assignatura serà la mitjana aritmètica de les notes obtingudes en els dos quadrimestres, sempre i quan la nota de cada quadrimestre sigui superior o igual a quatre. En cada quadrimestre els alumnes hauran de realitzar els treballs pràctics o pràctiques sobre la matèria impartida. Aquests treballs aplicats representaran com a màxim el 20% de la nota de final de curs sempre i quan en l'examen s'hagi assolit com a mínim la puntuació de quatre .

La comunicació general amb el grup-classe pel què fa a orientacions de caire general es realitzarà de manera habitual a les sessions presencials i a través de la intranet docent "La meva UdG"