Anar al contingut (clic a Intro)
UdG Home UdG Home
UdG 30 anys
Tancar
Menú

Estudia a la UdG

Dades generals

Curs acadèmic:
2007
Descripció:
Model de regressió múltiple: validesa de les estimacions i formulació dinàmica. Estadística multivariada
Crèdits:
9
Idioma principal de les classes:
Català
S’utilitza oralment la llengua anglesa en l'assignatura:
Gens (0%)
S’utilitzen documents en llengua anglesa:
Poc (25%)

Grups

Grup A

Durada:
Anual
Professorat:
MANUEL MARZO LAZARO  / Maria Angela Xabadia Palmada

Horaris:

Activitat Horari Aula
Teoria1 dc 16-18, dv 16-17 16

Altres Competències

  • 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

Continguts

1. 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.

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. Introducció a l’anàlisi multivariada

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

          4.2. Tècniques d’ interdependència.

          4.3. Classificació i objectius de les tècniques.

5. TEMA 5. Anàlisi en components principals

          5.1. Concepte. Objectiu. Reducció de la dimensionalitat.

          5.2. Perspectiva geomètrica.

          5.3. Anàlisi exploratòria de les dades. Dades mancants.

          5.4. Algorisme de càlcul.

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

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

          5.7. Variables no estandarditzades.

6. TEMA 6. Anàlisi de correspondències múltiple

          6.1. Matriu que es sotmet a l’anàlisi.

          6.2. Nombre d’eixos a retenir.

          6.3. Interpretació dels eixos. Coordenades. Variables il·lustratives.

          6.4. Tractament de dades mancants.

7. TEMA 7. Anàlisi de conglomerats o cluster analysis.

          7.1. Introducció i objectiu.

          7.2. Decisions prèvies sobre la matriu de dades.

          7.3. Selecció de la mesura de similaritat o dissimilaritat.

          7.4. Algorismes d’agregació jeràrquics. Dendrograma.

          7.5. Algorismes de partició no jeràrquics.

          7.6. Interpretació i Diagnòstic. Variables il·lustratives.

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 16,00 21,00 37,00
Elaboració individual de treballs 8,00 20,00 28,00
Prova d'avaluació 5,00 10,00 15,00
Resolució d'exercicis 30,00 23,00 53,00
Sessió expositiva 30,00 75,00 105,00
Sessió pràctica 4,00 4,00 8,00
Total 93,00 153,00 246

Bibliografia

  • Gujarati, Damodar N. (2004). Econometria (quarta). Mexico: McGraw Hill.
  • 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.
  • Greene, William H (cop. 2003). Econometric analysis (5th ed). Upper Saddle River, N.J: Prentice Hall.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Cas 1. Factors explicatius de costos directes hospitalaris. La puntuació dels tres casos pràctics del primer quadrimestre serà de 2 punts en total.
Cas 2. Anàlisi econòmica de la incidència de la incapacitat temporal.
Cas 3. Anàlisi d’algunes sèries temporals per la metodologia Box-Jenkins.
Exercici pràctic d'aplicació de les tècniques d'anàlisi factorial (components principals). L'execució de l'exercici es valorarà amb una puntuació màxima de 0,70 punts a afegir a la nota de l'examen del segon parcial, sempre i quan aquest arribi a una puntuació superior o igual a quatre punts sobre deu
Exercici pràctic d'aplicació de tècniques d'anàlisi factorial (correspondències múltiples). L'execució de l'exercici permet assolir una puntuació màxima de 0,6 punts, a afegir a la nota de l'examen del segon parcial sempre i quan aquest obtingui una puntuació igual o superior a 4 punts sobre deu
Exercici d'aplicació de tècniques de classificació (anàlisi cluster). L'execució d'aquest exercici suposa una puntuació màxima de 0,70 punts a afegir a la nota de l'examen del segon parcial de l'assignatura sempre i quan la nota de l'examen tingui una puntuació superior o igual a 4 punts sobre deu
Realització de proves d'avaluació L'avaluació constarà de dos examens parcials que comptaran un 80% de la nota global de l'assignatura i de l'entrega de les pràctiques programades que comptaran el 20% restant.

Qualificació

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". 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:
El primer examen parcial té caràcter voluntari i inclourà la matèria vista a classe el primer quadrimestre. Qui obtingui un mínim de 4 punts sobre 10 a la prova escrita podrà sumar els punts corresponents a les pràctiques. El segon examen parcial englobarà tota la matèria de l'assignatura però qui hagi obtingut una nota igual o superior a 5 punts en l'avaluació del primer quadrimestre podrà presentar-se al segon examen només del contingut del segon quadrimestre.

En la convocatòria de setembre els estudiants podran optar entre conservar la nota de les pràctiques i realitzar l'examen que puntuarà sobre 8, o bé realitzar només l'examen final, que en aquest cas puntuarà sobre 10.

Observacions

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"

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.