27 abr 2018

Econometría en R

Esta entrada contiene los materiales de los cursos de Econometría I y II, impartidos para estudiantes de la  Licenciatura en Economía, de la Pontificia Universidad Católica Madre y Maestra, por Nerys Ramírez [hoja de vida]. Se incluyen las aplicaciones en R correspondiente a los contenidos teóricos. Dichas aplicaciones han sido tomadas de los libros indicados en la referencia de la presente entrada, de donde se toman además los datos utilizados en los ejemplos y prácticas [descargar datos]. 

-----------------------------------------------------------------

Herramientas preliminares
es un lenguaje de programación de distribución libre creado en 1992 por Ross Ihaka y Robert Gentleman -equipo de estadísticos- bajo distribución libre, funciona como ambiente en el que se aplican técnicas estadísticas en lugar de una acumulación gradual de herramientas muy específicas y poco flexibles (Santana y Farfáan, 2014, p.7). 

Las próximas herramientas en R se dividen en dos secciones: 1 general, que implica una completa introducción al uso del programa, incluyendo programación y herramientas del análisis estadístico, y una segunda sección que incluye una guía rápida para quienes solo requieren repasar o conocer los elementos básicos para enfrentar los laboratorios del curso (Lab. 0.0). Finalmente, para un curso completo de R visitar este enlace.

Lab. 0.0: Una rápida introducción a R
Lab. 0.1: Fundamentos de análisis estadístico en R-Studio
Lab. 0.2: Análisis estadístico avanzado y gestión de bases de hogares en R-Studio
Lab. 0.3: Programación en R-Studio I (Fernández, 2018)
Lab. 0.4: Programación en R-Studio II (Fernández, 2018)

Lab. 0.5: Un breve ejercicio aplicado a la econometría (requiere clases 0-4)
Lab. 0.6: Algunas recomendaciones de como escribir un paper en economía

Introducción a la Econometría - Programa

Clase 0              : Introducción al análisis econométrico
Clase 1              : Fundamentos de estadística matemática* (Guía no vista)
Clase 2              : El análisis de regresión simple 
Parcial 1            : 2018-2 [R] | 2019-2 [R]

Clase 3 - Lab. 1: El análisis de regresión múltiple [Ejemplos: Excel, R]
Clase 4 - Lab. 2: Test de hipótesis sobre el modelo de regresión [Ejemplos: R]
Clase 5              : Propiedades de los estimadores
Clase 6 - Lab. 3: Formas funcionales: no linealidades, interacciones y dummys [Ej.: R]
Parcial 2            : 2018-2 [R] | 2019-2 [R]

Clase 7 - Lab. 4: Diagnóstico y selección del modelo [Durbin-Watson]
Clase 8 - Lab. 5: Validación y tratamiento de los supuestos
Clase 9 - Lab. 5: Endogeneidad y variables instrumentales (MC2E)
Clase x              : Medición de un efecto causal (Taveras, 2017)
Parcial 3            : 2018-2 [R]| 2019-2 [R] 2019_2_R []

Ejercicios prácticos y entregas
Trimestre 2018-2: 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9final
Trimestre 2019-2: 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 final

-----------------------------------------------------------------

Microeconometría (en construcción)

  Clase 0               : Esperanza condicional y modelo de regresión lineal 
  Clase 1               : Microeconometría
  Clase 3              : Estimación por máxima verosimilitud y momentos
  Clase 4              : Heterocedasticidad y modelos robustos (MCG, MCGF) [Excel]
  Clase 5 - Lab. 7  : Bootstrap

Clase 5 - Lab. 11: Modelos de probabilidad (Logit y Probit)
Clase 6 - Lab. 12 : Modelos multinomiales, Tobit y sesgo de selección
Clase 7 - Lab. 12: Evaluación de políticas públicas
Clase 9                : Regresión por quintiles 

Clase 8                : Modelos con datos panel 
Clase 10              : Análisis de conglomerados y modelos factoriales

-----------------------------------------------------------------

Econometría de series temporales (en construcción)

Clase 16 - Lab. 13Análisis univariado de series temporales (ARIMA)
Clase 17 - Lab. 14Modelos de volatilidad condicional (GARCH) y riesgo financiero
Clase 18 - Lab. 15Elaboración y validación de pronósticos
Clase 19 - Lab. 16: Raíz unitaria, quiebres estructurales y descomposición de series

Clase 20Lab. 17Vectores autoregresivos (VAR)
Clase 21Lab. 18Vectores de corrección de errores (VCE)
Clase 22 - Lab. 19Vectores autoregresivos estructurales (SVAR); FVAR y restricciones de signo
Clase 23 - Lab. 20Modelos GARCH multivariados y cambio de régimen 

Parcial 1: 2018-3
Parcial 2: 2018-3 [R] |

Examen práctico R: 2018-3

Ejercicios prácticos y entregas:
Trimestre 2018-3: 1 | 2 | 3 | 4 | 5 | 6 | 7Final

Referencias básica

Berger, R. and Casella, George. Statistical Inference

Gujarati, Danomar (2009). Econometría.

      Enders, W. Applied Econometrics Time Series. Wiley. 3era. Edición. 
Hill, C; Griffinths, W and Lim, G. (2011). Principle of Econometric. United States of America. Foruth edition.

       Ignacio, Lobato (2016).  Macroeconometria: notas de inferencia. ITAM.

Novales, Alfonso (2016). Modelos GARCH. Universidad Complutense de Madrid.
Rau, Tomás (2015). Teoría Econométrica 1. Pontificia Universidad de Chile.

Wackerly, Mendenhall y Scheaffer (2010). Estadística Matemática con Aplicaciones.

Wooldridge, Jeffrey (2015). Introducción a la econometría: un enfoque moderno.

Recesión plot en R usando ggplot (recession plot in r)

En el siguiente ejemplo se simular y replica -parcialmente- un ejemplo usado por el FMI para ilustrar la importancia del uso de series de ti...