Libros ciclos formativos, grado superior de informática, ASIR, DAM, DAW, libros universitarios: libros ingeniería aeronáutica, libros ingeniería civil, ingeniería de caminos: ingeniería construcción, ingeniería sanitaria, ingeniería del transporte, ingeniería hidráulica, territorio, urbanismo, materiales de construcción, libros ingeniería geológica: geotecnia, expresión gráfica, proyectos, libros ingeniería mecánica: estructuras, resistencia de materiales, libros ingeniería eléctrica, libros ingeniería electrónica: labview, libros termodinámica, libros de electricidad, libros de construcción, libros arquitectura, libro de ciencias: matemáticas: álgebra, cálculo, matemáticas avanzadas, estadística, probabilidad, big data, tratamiento de datos, econometría, química, física, libros contabilidad, PGC, libros finanzas, organización empresas, marketing, libros economía, libros ciencias sociales, libros educación infantil, libros técnicos y reglamentos: eléctricos, construcción, libros informática, computación, libros ciencias de la salud

Econometría Básica. Aplicaciones con EVIEWS, STATA, SAS y SPSS

César Pérez

Páginas: 630

Fecha: 2012

ISBN: 978-84-15452-02-7

Precio: 40,00 € IVA incluido  

Material de apoyo

Recomienda este libro

Otros libros relacionados

El objetivo de este libro es la presentación de las técnicas econométricas básicas y su tratamiento con las herramientas más adecuadas de cálculo automatizado. Se utilizan los paquetes de software EVIEWS, STATA, SAS y SPSS para abordar de modo sencillo el trabajo econométrico.

El primer bloque de contenido se ocupa del modelo lineal de regresión múltiple y de toda su problemática, incluyendo herramientas para la detección y tratamiento de la autocorrelación, heteroscedasticidad, multicolinealidad, normalidad residual, linealidad, observaciones influyentes, errores de especificación, exogeneidad y regresores estocásticos.

Un segundo bloque trata los modelos de elección discreta, recuento, censurados, truncados y de selección muestral, haciendo hincapié en los modelos Logit, Probit, Tobit, Poisson, binomial negativa y corrección del sesgo de selección mediante la estimación de Heckman.

El tercer bloque aborda el análisis univariante de series temporales a través de la metodología Box Jenkins para modelos ARIMA, el tratamiento de los modelos de intervención y los modelos univariantes de la función de transferencia.

El último bloque se ocupa de los modelos del análisis de la varianza y la covarianza, el modelo lineal general y los modelos mixtos.

Los capítulos se inician con la exposición de los conceptos y notas teóricas adecuadas, para resolver a continuación una variedad de ejercicios que cubran los conceptos expuestos. Se trata de recopilar la mayor parte de los conceptos econométricos e ilustrarlos con la práctica a través de las herramientas de software adecuadas.

CONTENIDO

  • Capítulo 1. Modelo lineal de regresión múltiple. Hipótesis, Estimación, inferencia y predicción
    • Modelo lineal de regresión múltiple
    • Hipótesis en el modelo lineal
    • Estimación del modelo lineal por mínimos cuadrados ordinarios MCO
    • Estimación del modelo lineal por máxima verosimilitud
    • Inferencia en el modelo por mínimos cuadrados ordinarios MCO
    • Predicciones
    • Selección de modelos de regresión
    • Análisis de los residuos
    • Modelo lineal con restricciones
    • Regresión con variables cualitativas: variables ficticias
  • Capítulo 2. Modelo lineal de regresión múltiple. Herramientas de software
    • EVIEWS y el trabajo básico con le modelo de regresión múltiple
    • SPSS y el trabajo básico con el modelo de regresión múltiple
    • SAS y el trabajo básico con el modelo de regresión múltiple
    • STATA y el trabajo básico con el modelo de regresión múltiple
    • STATA y el trabajo básico con el modelo de regresión múltiple a través de menús
  • Capítulo 3. Autocorrelación, heteroscedasticidad, multicolinealidad, no linealidad y normalidad
    • Modelos con autocorrelación
    • Detección de la autocorrelación
    • Soluciones para la autocorrelación
    • Modelos con heteroscedasticidad
    • Detección de la heteroscedasticidad
    • Soluciones para la heteroscedasticidad
    • Multicolinealidad
    • Normalidad residual
    • No linealidad y errores de especificación
    • Exogeneidad y regresores estocásticos
    • Análisis de la influencia
  • Capítulo 4. Herramientas para tratar autocorrelación, Heteroscedasticidad y otros problemas
    • Tratamiento de la autocorrelación y heteroscedasticidad con Eviews
    • Eviews y los modelos ARCH Y GARCH
    • Endogeneidad, variables instrumentales y mínimos cuadrados en dos etapas con Eviews
    • Errores de especificación con Eviews. Variables omitidas y redundantes
    • Errores de especificación en la forma funcional con Eviews
    • SPSS y modelos con regresores estocásticos. Variables instrumentales y M.C. en dos fases
    • SPSS y modelos con heteroscedasticidad y multicolinealidad. Mínimos cuadrados ponderados
    • SAS y la multicolinealidad, autocorrelación, heteroscedasticidad, valores influyentes y errores de especificación
    • SAS y los modelos ARCH Y GARCH
    • STATA y la multicolinealidad, autocorrelación, heteroscedasticidad, errores de especificación y observaciones influyentes
    • STATA y la multicolinealidad, autocorrelación, heteroscedasticidad, errores de especificación y observaciones influyentes a través de menús
  • Capítulo 5. Modelos Logit, Probit, Tobit, truncados, recuento, censurados y de selección muestral. Herramientas
    • Modelos variable dependiente limitada
    • Modelos de elección discreta
    • Modelos de elección discreta binaria
    • Modelos de elección múltiple
    • Modelos Logit y Probit otdenados
    • Modelo de datos de recuento
    • Modelos censurados. El modelo Tobit
    • Selección muestral. Modelos truncados
    • Corrección de la selección muestral. Estimación bietápica de Heckman o Heckit
    • SPSS y la regresión logística binaria
    • SPSS y el modelo Probit
    • SPSS y el modelo Logit multinomial
    • SAS y la regresión logística. Proc LOGISTIC
    • SAS y el modelo Probit. Procedimiento PROBIT
    • SAS y el modelo Tobit de regresión censurada. Procedimiento LIFEREG
    • Modelos de variable dependiente limitada con Eviews: MLP, Logit y Probit
    • Modelos de recuento con Eviews: Poisson, binomial negativa y exponencial
    • Modelos Tobit censurado y truncado con Eviews. Método de Heckman y Ratio de Mills
    • Modelos de variable dependiente limitada con STATA: Logit y Probit
    • Modelos Tobit censurado y truncado con STATA.
    • Modelo de Poisson con STATA
  • Capítulo 6. Análisis univariante de series temporales. Modelos ARIMA, intervención y función de transferencia
    • Series temporales
    • Descomposición clásica de una serie temporal
    • Predicción y suavizado de series temporales, métodos autoproyectivos deterministas
    • Predicciones incondicionales estocásticas
    • Modelos ARIMA: Primeros conceptos
    • Modelos autorregresivos AR(p)
    • Modelos de medias móviles MA(q)
    • Modelos ARMA(p,q)
    • Modelos ARIMA(p,d,q)
    • La metodología de Box Jenkins en modelos ARIMA
    • Series temporales estacionales. Detección de la estacionalidad
    • Modelos estacionales puros
    • Modelos estacionales generales
    • Modelos de intervención
    • Identificación de modelos de intervención
    • Valores atípicos (Outliers)
    • Modelo univariante de la función de transferencia
    • Identificación, estimación y validación del modelo de la función de transferencia
    • Etapas de la identificación, estimación y validación del modelo de la función de transferencia
    • Modelos de la función de transferencia estacionales
  • Capítulo 7. Herramientas para el análisis univariante de series temporales
    • Eviews y la identificación, estimación, validación y predicción de modelos ARIMA(p,d,q)(P,D,Q)s
    • Eviews y los modelos ARIMA y de intervención
    • Eviews y los métodos autoproyectivos deterministas: alisados exponenciales y de Holt_Winters
    • SPSS y la identificación, estimación, diagnosis y predicción de modelos ARIMA(p,d,q)(P,D,Q)s
    • Predicciones incondicionales deterministas con el modelizador de SPSS. Suavizado
    • SPSS y los modelos ARIMA con intervención
    • SAS y la identificación, estimación, validación y predicción de modelos ARIMA(p,d,q)(P,D,Q)s
    • SAS y los modelos ARIMA de intervención y de función de transferencia
    • STATA y los modelos ARIMA(p,d,q)(P,D,Q)s
  • Capítulo 8. Modelos del análisis de la varianza y la covarianza. Modelo Lineal General y modelos mixtos
    • Modelos del análisis de la varianza y la covarianza
    • Modelos ANOVA de la varianza simple
    • Modelos ANCOVA de la covarianza simple
    • Análisis multivariante de la varianza (MANOVA)
    • Análisis multivariante de la covarianza (MANCOVA)
    • Modelo Lineal General (GLM)
    • Modelos lineales mixtos
    • SPSS y los modelos ANOVA y ANCOVA univariantes de uno y varios factores
    • SPSS y la estimación de las componentes de la varianza en modelos ANCOVA de efectos mixtos
    • SPSS y los modelos MANOVA y MANCOVA multivariantes de uno y varios factores
    • SPSS y los modelos lineales mixtos
    • Análisis de la varianza y la covarianza con SAS. Procedimiento GLM
    • Componentes de la varianza en SAS. Procedimiento VARCOMP
    • SAS y los modelos mixtos. PROC MIXED
    • STATA y el análisis de la varianza-covarianza. El modelo GLM y los modelos mixtos
Libros técnicos y Reglamentos para profesionales, Ingenieros, Arquitectos e Instaladores del sector eléctrico (electricidad), construcción, climatización Contabilidad, Plan general de Contabilidad y Pymes. Libros para Ciclos Formativos y Programas de Cualificación Profesional Inicial, PCPI, de Peluquería e Informática. Libros universitarios de Ciencias, físico-química, químico-física, Ingeniería, Matemáticas, Estadística, Software SPSS

Política de Cookies

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación.
Puede obtener más información consultando nuestra Política de Cookies y puede cambiar su configuración editando las Preferencias.

Cookies necesarias para el correcto uso de la web, como por ejemplo inicio de sesión, autenticación o seguridad.

Permiten medir, de forma anónima, el número de visitas o la actividad. Gracias a ellas podemos mejorar constantemente introduciendo mejoras en función del análisis de los datos de uso que hacen los usuarios del servicio.