Econometría Aplicada I

Descripción

Este curso aborda los principios fundamentales del análisis econométrico, desde la especificación y estimación de modelos hasta la inferencia y la evaluación de supuestos. Aprenderás a aplicar técnicas estadísticas y econométricas para analizar relaciones económicas, con ejercicios prácticos y ejemplos de aplicación en diversos contextos. Exploraremos herramientas como Stata, EViews, R, Gretl y Excel para llevar a cabo análisis de datos económicos y modelado empírico. Además, este curso te proporcionará una comprensión profunda de los supuestos subyacentes en los modelos de regresión lineal clásica, así como las técnicas para evaluar y corregir problemas comunes como la multicolinealidad, la autocorrelación, la heterocedasticidad y los quiebres estructurales. A través de ejercicios resueltos y prácticas guiadas, desarrollarás habilidades para interpretar los resultados econométricos y tomar decisiones informadas en contextos empresariales, financieros y de políticas públicas. Exploraremos conceptos clave de estadística y matemáticas aplicadas, desde medidas descriptivas hasta variables aleatorias y estimadores de parámetros. Este curso está diseñado tanto para estudiantes de economía y finanzas como para profesionales que buscan mejorar sus habilidades analíticas y su capacidad para trabajar con datos económicos en un entorno empresarial o académico. Al completar este curso, estarás preparado para realizar análisis econométricos rigurosos y utilizar herramientas computacionales avanzadas para abordar problemas económicos y financieros del mundo real.

Lo que aprenderás

• Dominar los fundamentos teóricos y prácticos de la econometría, incluyendo la comprensión de los modelos de regresión lineal clásicos.
• Adquirir habilidades para especificar, estimar y evaluar modelos econométricos utilizando software estadísticos.
• Desarrollar la capacidad para realizar inferencias estadísticas y análisis de predicción con modelos de regresión lineal clásicos.
• Aprender a identificar y abordar posibles violaciones de los supuestos de los modelos de regresión lineal clásicos.

Requisitos

• No se necesita conocimientos de Estadística o Matemática ya que la primera sesión abordará los temas a tratar durante el curso.
• No se necesita experiencia en programación ya que se entregará todos los archivos de programación realizados.