El objetivo de este libro es la presentación de las técnicas econométricas avanzadas 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 incluye los modelos dinámicos y el estudio de la estabilidad de los modelos econométricos a través de los contrastes de cambio estructural, raíces unitarias, cointegración y modelos de corrección del error. Un segundo bloque profundiza en los modelos lineales multiecuacionales y en los modelos multivariantes de series temporales, tratando especialmente los modelos VAR y VARMA, así como la teoría de la cointegración en el contexto multivariante. En un tercer bloque se aborda la econometría de los datos de panel, incluyendo los modelos dinámicos y los modelos logit, probit y de Poisson en el contexto de panel. Asimismo, se aborda la problemática de los contrastes de raíces unitarias y cointegración en el ámbito de los paneles. Un cuarto bloque se ocupa de los modelos no lineales uniecuacionales y multiecuacionales, así como de la regresión particionada y segmentada.

En cuanto a los temas más novedosos, el quinto bloque estudia los modelos predictivos de clasificación y segmentación, así como el tratamiento moderno de los modelos econométricos con herramientas de minería de datos y en especial la utilización de redes neuronales para ajustar modelos. El último bloque aborda los modelos econométricos con ecuaciones estructurales.

Los diferentes 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.

César Pérez López es licenciado en Ciencias Matemáticas y en Ciencias Económicas y trabaja actualmente como Vocal Asesor en el Instituto de Estudios Fiscales (IEF). Pertenece al Cuerpo Superior de Estadísticos del Estado y al Cuerpo Superior de Sistemas y Tecnologías de la Información de la Administración del Estado. Asimismo, es profesor asociado en el Departamento de Estadística e Investigación Operativa III de la Universidad Complutense de Madrid.

CONTENIDO

Introducción
Capítulo 1. Modelos dinámicos


Modelos dinámicos

Modelos dinámicos con retardos en la variable endógena
Modelos dinámicos con retardos en la variable endógena y en las variables exógenas simutáneamente

Tipos especiales de modelos dinámicos

Modelos con retardos distribuidos finitos
Modelos con retardos distribuidos infinitos

EVIEWS y los modelos dinámicos específicos
SPSS y los modelos dinámicos
SPSS y los modelos dinámicos con regresores estocásticos. Variables instrumentales
EVIEWS y los modelos dinámicos con regresores estocásticos. SAS y los modelos dinámicos


Capítulo 2. Estabilidad de modelos. Cambio estructural


Estabilidad estructural en modelos econométricos
Parámetros constantes en el tiempo y contraste de predicción de Chow

Cambio estructural y contraste de Chow
Residuos recursivos: contrastes basados en estimación recursiva
Contrastes CUSUM y CUSUMQ

Modelos inestables: regresiones espúrias
Series temporales estacionarias. Detección de la estacionariedad
Series temporales estacionales. Detección de la estacionalidad
Test de raíces unitarias

Tests de Dickey-Fuller de las raíces unitarias
Test de Phillips-Perron de las raíces unitarias

Modelos estables en el largo plazo: análisis de la cointegración

Test de Phillips-Oularis para la cointegración

Modelos de corrección por el error MCE
Raíces unitarias y cointegración en series estacionales
Raíces unitarias y cointegración en series con cambio estructural
Estacionariedad y estacionalidad con EVIEWS
Raíces unitarias, cointegración y cambio estructural con EVIEWS
Raíces unitarias, cointegración y cambio estructural con SAS
Raíces unitarias con STATA
Estacionariedad y estacionalidad con SPSSS


Capítulo 3. Modelos lineales multiecuacionales. Ecuaciones simultáneas


Modelos lineales multiecuacionales. Forma estructural y ecuaciones simultáneas
Modelo multiecuacional en forma reducida
Identificación de modelos lineales de ecuaciones simultáneas. Estimación MCI
Estimación de modelos lineales de ecuaciones simultáneas

Mínimos cuadrados indirectos
Variables instrumentales
Mínimos cuadrados bietápicos
Modelos recursivos
Máxima verosimilitud con información limitada
Máxima verosimilitud con información completa
Estimadores de clase k y mínimos cuadrados trietápicos
Método RANR o SUR
Métodos robustos a la heteroscedasticidad: White y HAC
Modelos de ecuaciones simultáneas con series temporales

Eviews y los sistemas de ecuaciones simultáneas
SAS y los sistemas de ecuaciones simultáneas lineales: Procedimientos SYSLYN y MODEL
STATA y los modelos de ecuaciones lineales simultáneas


Capítulo 4. Modelos multivariantes de series temporales: VAR, VARX, VARMA y BVAR. Cointegración


Modelos de vectores autorregresivos (VAR)
Identificación en modelos VAR
Estimación de un modelo VAR
Modelos VARMA
Cointegración en modelos VAR. Test de Johansen
Eviews y los modelos VAR. Test de Johansen

Estimación de modelos VAR en Eviews a través de menús
Cointegración en modelos VAR en Eviews a través de menús
Modelo de vector de corrección del error en modelos VAR con Eviews

SAS Y los modelos VAR. Contrastes de causalidad y cointegración. Test de Johansen

Contraste de Johansen en modelos VAR con SAS
Modelo de vector de corrección del error en modelos VAR con SAS
Modelos VAR con variables exógenas (VARX) en SAS

STATA y los modelos VAR y VEC. Contrastes de causalidad y cointegración. Test de Johansen


Capítulo 5. Econometría de los datos de panel. Raíces unitarias y cointegración en paneles


Introducción a los datos de panel. Estructuras de datos

Datos de corte transversal o sección cruzada
Datos de series temporales
Estructuras de datos. Combinaciones de cortes transversales
Estructuras de datos. Datos de panel o longitudinales

Paneles puros y paneles expandidos
Comparación entre muestras anuales, combinaciones de cortes transversales (pool de datos) y paneles
Modelos econométricos con datos de panel
Modelos de panel con coeficientes constantes
Modelos de panel de efectos fijos .
Modelos de panel de efectos aleatorios
Modelos dinámicos con datos de panel
Modelos logit y probit con datos de panel
Raíces unitarias y cointegración con datos de panel
Eviews y los modelos con datos de panel
SPSS y los modelos con datos de panel
SAS y los modelos con datos de panel
EVIEWS y los modelos dinámicos con datos de panel. Metodología de Arellano y Bond
EVIEWS y los contrastes de raíces unitarias con datos de panel. SAS y los contrastes de raíces unitarias con datos de panel.
STATA y los modelos con datos de panel

Modelos logit, probit y de Poisson con datos de panel
Estimación de paneles dinámicos mediante la metodología Arellano-Bond


Capítulo 6. Modelos y sistemas no lineales. Regresión particionada y segmentada


Modelos no lineales
Mínimos cuadrados no lineales. Algoritmos de Newton y Marquardt
Regresión particionada
Regresión por tramos o segmentada
SPSS y la estimación no lineal y segmentada
SAS y la estimación no lineal. Procedimiento NLIN
SAS y los modelos de ecuaciones simultáneas no lineales. Procedimiento MODEL
Eviews y los modelos de ecuaciones no lineales
STATA y los modelos de ecuaciones no lineales


Capítulo 7. Modelos predictivos de clasificación y segmentación


Modelos predictivos
El análisis discriminante como técnica de clasificación y segmentación
Hipótesis en el modelo discriminante
Estimación del modelo discriminante.

Contrastes de significación en el modelo discriminante
Selección de variables discriminantes

Interpretación de la función discriminante
Clasificación de los individuos
Análisis discriminante canónico
Los árboles de decisión como técnica predictiva de clasificación

Características de los árboles de decisión
Herramientas para el trabajo con árboles de decisión
Árboles CHAID
Árboles CART
Árboles QUEST

El análisis cluster como técnica de clasificación y segmentación

Medidas de similitud
Técnicas en el análisis cluster
Clusters jerárquicos, secuenciales, aglomerativos y exclusivos (S.A.H.N.)
El dendograma en el análisis cluster jerárquico
Análisis cluster no jerárquico

SPSS y el análisis discriminante
Árboles de decisión (o clasificación) con SPSS
Creación de un árbol de decisión: Método CHAID
Métodos CRT y QUEST. Poda de árboles
SPSS y el análisis cluster jerárquico
SPSS y el análisis cluster no jerárquico
SAS y el análisis cluster jerárquico

Procedimiento ACECLUS
Procedimiento CLUSTER
Procedimiento TREE

SAS y el análisis cluster no jerárquico
SAS y el análisis discriminante: Procedimiento DISCRIM
Ejemplo de análisis discriminante
SAS y el análisis discriminante canónico: Procedimiento CANDISC
Ejemplo de análisis discriminante canónico
SAS y el análisis discriminante paso a paso. Procedimiento STEPDISC y ejemplo práctico


Capítulo 8. Modelos econométricos con herramientas de minería de datos


Técnicas de minería de datos
Técnicas predictivas para la modelización econométrica
Técnicas predictivas de modelización con SAS Enterprise Miner

El nodo Regression: Modelo de regresión múltiple
El nodo Regression: Modelo lineal general GLM
El nodo Regression: Modelo de elección discreta Logit y Probit

Técnicas predictivas de modelización con SPSS Clementine

El nodo Regresión Lineal: Modelo de regresión múltiple
El nodo Regresión Logística: Modelos de elección discreta

Análisis cluster con Enterprise Miner. El nodo Clustering
Árboles de decisión con Enterprise Miner. El nodo Tree

Entrenamiento interactivo (Interactive Training)

Análisis cluster con SPSS Clementine

El nodo Entrenar K-medias: Cluster no jerárquico
El nodo Cluster Bietápico: Cluster jerárquico

Árboles de decisión con SPSS Clementine

El nodo Crear C5.0
El nodo Árbol C&R



Capítulo 9. Modelos econométricos con redes neuronales


Descripción de una red neuronal

Definición
Función de salida y funciones de transferencia o activación

Redes neuronales y ajuste de modelos de regresión
Aprendizaje en las redes neuronales
Funcionamiento de una red neuronal
El algoritmo de aprendizaje Retropropagación (Back-Propagation)
Análisis discriminante a través del Perceptrón
Análisis de series temporales mediante redes neuronales
Análisis de componentes principales con redes neuronales
Clustering mediante redes neuronales
Redes neuronales con SAS Enterprise Miner

Optimización y ajuste de modelos con redes: Nodo Neural Network
Predicción y análisis discriminante a través de redes neuronales: Nodo Two Stage Model
Análisis cluster con redes neuronales: Nodo SOM/Kohonen

Redes neuronales con SPSS Clementine

Nodo Entrenar red
Nodo Entrenar Kohonen
Nodo Entrenar K-medias
Definición de las variables en un modelo de estructura de la covarianza


Capítulo 10. Modelos econométricos con ecuaciones estructurales


Modelización con ecuaciones estructurales

Definición de las variables en un modelo de estructura de la covarianza
Tipología de modelos de estructura de la covarianza
LISREL y el modelo de ecuaciones estructurales

Modelo de análisis factorial confirmatorio. Identificación, estimación y diagnosis

Identificación del modelo
Estimación del modelo
Diagnosis o ajuste del modelo
Especificación del modelo

Modelo de estructura de la covarianza

Especificación del modelo de medida
Especificación del modelo estructural
Modelo general de estructura de la covarianza
Etapas de la modelización
Especificación del modelo
Identificación del modelo
Estimación de los parámetros
Diagnosis o ajuste del modelo
Interpretación del modelo
Reespecificación del modelo

Modelos estructurales con SAS. PROC CALIS