CURSO : ANALISIS DE REGRESION
SIGLA : AGE 3213
CRÉDITOS : 9
MÓDULOS : 3
REQUISITOS : AGE 1113 - AGE 2230
I. OBJETIVOS
Comprender los principios y fundamentos basicos del modelo de regresion lineal y su aplicacion
practica, con enfasis en su aplicacion en estudios econometricos. El curso estara orientado a
mostrar la utilizacion correcta de esta tecnica en el analisis de datos e informacion. Al final del
curso, cada estudiante debera ser capaz de formular, estimar e interpretar su propio modelo de
regresion usando datos relacionados con el sector silvoagropecuario nacional.
II. CONTENIDOS
1. Introduccion y plan general del curso.
2. Una introduccion al analisis de regresion.
2.1 Terminologia y notacion, algebra basica.
2.2 Algebra basica y el calculo.
2. Modelos de regresion con dos variables: ideas basicas, I.
3.1 Concepto de la funcion de regresion poblacional (FRP).
3.2 Linealidad en las variables y en los parametros.
4. 4.1 Modelos de regresion con dos variables: ideas basicas, II.
4.1.1 Especificacion estocastica de la FRP.
4.1.2 Funcion de regresion muestral (FRM).
4.2 El problema de la estimacion, I.
4.2.1 El metodo de minimos cuadrados ordinarios (MCO - OLS ).
4.2.2 Supuestos fundamentales del metodo.
5. El problema de la estimacion, II.
5.1 Errores estandar de los estimadores
5.2 El teorema de Gauss-Markov.
5.3 Medida de la bondad del ajuste.
6. El modelo clasico de regresion lineal normal.
6.1 Los supuestos de la distribucion probabilistica de las perturbaciones.
6.2 Propiedades de los estimadores de MCO bajo el supuesto de normalidad.
1. Estimacion por intervalos y pruebas de hipotesis, I.
7.1 Algunos conceptos basicos.
7.2 Distribuciones probabilisticas: normalidad, la t de Student, la 2, y la F.
7.3 Intervalos de confianza para los coeficientes.
8. Estimacion por intervalos y pruebas de hipotesis, II.
8.1 Dos enfoques para las pruebas de hipotesis:
8.1.1 Intervalos de confianza.
8.1.2 Prueba de significancia.
8.2 La prueba t.
8.3 La prueba 2.
9. Estimacion por intervalos y pruebas de hipotesis, III.
9.1 Algunos aspectos practicos de pruebas de hipotesis.
9.2 Analisis de varianza.
9.3 Prediccion.
9.4 Evaluacion de los resultados del analisis de regresion.
10. Resumen
11. El modelo de regresion lineal con varias variables, I.
11.1 Una revision breve de los metodos matriciales.
11.2 El modelo de regresion con k variables.
11.2.1 Supuestos del modelo, nuevamente.
11.2.2 Estimaciones en terminos matriciales.
12. El enfoque matricial y el modelo de regresion lineal, II.
12.1 Estimaciones del modelo en terminos matriciales.
12.2 Matriz de varianza-covarianza para los parametros.
12.3 Propiedad de mejores estimadores lineales insesgados (MELI).
12.4 El coeficiente de determinacion, R2.
12.5 Pruebas de hipotesis con respecto a los coeficientes individuales.
13. El enfoque matricial y el modelo de regresion lineal, III.
13.1 Pruebas de significancias global de la regresion.
13.2 Pruebas de restricciones lineales.
13.3 Prediccion.
14. Violacion de los supuestos del modelo clasico: Multicolinealidad.
14.1 Consecuencias de la multicolinealidad.
14.2 Como detectar multicolinealidad.
14.3 Medidas remediales.
15. Violacion de los supuestos del modelo clasico: Heterocedasticidad.
15.1 ?Que es la heterocedasticidad?
15.2 El metodo de los minimos cuadrados generalizados (MCG - GLS ).
15.3 Como detectar la heterocedasticidad.
15.4 Medidas remediales.
16. Violacion de los supuestos del modelo clasico: Autocorrelacion.
16.1 Autocorrelacion y estimacion de MCO.
16.2 El MELI en presencia de la autocorrelacion.
16.3 La consecuencias de utilizar MCO en presencia de autocorrelacion.
16.4 Como detectar la autocorrelacion.
16.5 Medidas remediales.
17. Especificacion del modelo.
17.1 Atributos de un buen modelo y tipos de errores de especificacion.
17.2 Omision de variables relevantes e inclusion de variables irrelevantes.
17.3 Pruebas de errores de especificacion.
17.4 Errores de medicion.
18. Inclusion d e una variable dicotomica.
18.1 Naturaleza de variables dicotomicas.
18.2 Algunos ejemplos.
18.3 Comparacion de dos regresiones.
18.4 Efectos de interaccion.
18.5 Analisis estacional y regresion discontinua.
19. Variable dependiente dicotomica, I .
19.1 El modelo de probabilidad lineal.
19.2 Estimacion del modelo.
19.3 Aplicaciones.
20. Variable dependiente dicotomica, II.
20.1 Los modelos Logit y Probit.
20.2 Introduccion al metodo de maxima verosimilitud.
21. Maxima verosimilitud, I.
22. Maxima verosimilitud, II.
23. Modelos autorregresivos y rezagos distribuidos, I.
23.1 El papel de los "rezagos" en la economia.
23.2 Estimacion de los modelos de rezagos distribuidos.
23.3 El enfoque de Koyck.
24. Modelos autorregresivos y rezagos distribuidos, II.
24.1 Modelos de esperanzas adaptables y de ajuste parcial.
24.2 Metodo de variable instrumentales.
24.3 El enfoque de Almon.
24.4 Causalidad en economia: la prueba de Granger.
25. Modelos de ecuaciones simultaneas, I.
26. Modelos de ecuaciones simultaneas, II.
27. El problema de la identificacion.
27.1 Naturaleza del problema.
27.2 Reglas para la identificacion de un modelo.
28. Metodos de ecuaciones simultaneas.
28.1 Modelos recursivos.
28.2 El metodo de minimos cuadrados indirectos.
28.3 El metodo de minimos cuadrados en dos etapas.
29. Resumen.
30. Resumen.
III. METODOLOGIA
Clases expositivas y practicas computacionales.
IV. BIBLIOGRAFIA
Gujarati, D. Econometria. 3? edicion, 1997.
