Introducción a la Econometría. 4e.

Introducción a la econometría. Un enfoque moderno
Contenido breve
Contenido detallado
Prefacio
Acerca del autor
Capítulo  1 La naturaleza de la econometría y los datos económicos
	1.1 ¿Qué es la econometría?
	1.2 Pasos en un análisis económico empírico
	1.3 Estructura de los datos económicos
		Datos de corte transversal
		Datos de series de tiempo
		Combinación de cortes transversales
		Datos de panel o longitudinales
		Comentario sobre las estructuras de datos
	1.4 Causalidad y la noción de ceteris paribus en el análisis econométrico
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
Parte 1 Análisis de regresión con datos de corte transversal
	Capítulo 2 El modelo de regresión simple
		2.1 Definición del modelo de regresión simple
		2.2 Obtención de las estimaciones por mínimos cuadrados ordinarios
		Nota sobre la terminología
		2.3 Propiedades de los MCO en cualquier muestra de datos
			Valores ajustados y residuales
			Propiedades algebraicas de los estadísticos MCO
			Bondad de ajuste
		2.4 Unidades de medición y forma funcional
			Efectos de los cambios de unidades de medición sobre los estadísticos obtenidos por MCO
			Incorporación de no linealidades en la regresión simple
			Significado de regresión “lineal”
		2.5 Valores esperados y varianzas de los estimadores de MCO
			Insesgamiento de los estimadores MCO
			Varianza de los estimadores de mínimos cuadrados ordinarios
			Estimación de la varianza del error
		2.6 Regresión a través del origen
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
		Apéndice 2A
	Capítulo 3 Análisis de regresión múltiple: estimación
		3.1 Motivación para la regresión múltiple
			El modelo con dos variables independientes
			Modelo con k variables independientes
		3.2 Mecánica e interpretación de los mínimos cuadrados ordinarios
			Obtención de las estimaciones de MCO
			Interpretación de la ecuación de regresión de MCO
			El significado de “mantener todos los demás factores constantes” en la regresión múltiple
			Cambiar de manera simultánea más de una variable independiente
			Valores ajustados y residuales de MCO
			Una interpretación de descuento de efectos parciales de la regresión múltiple
			Comparación entre las estimaciones de la regresión simple y de la regresión múltiple
			Bondad de ajuste
			Regresión a través del origen
		3.3 Valor esperado de los estimadores de MCO
			Inclusión de variables irrelevantes en un modelo de regresión
			Sesgo de la variable omitida: caso sencillo
			Sesgo de la variable omitida: casos más generales
		3.4 Varianza de los estimadores de MCO
			Los componentes de las varianzas de los estimadores de MCO: multicolinealidad
			Varianzas en modelos mal especificados
			Estimación de σ²: errores estándar de los estimadores de MCO
		3.5 Eficiencia de MCO: el teorema de Gauss-Markov
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
		Apéndice 3A
	Capítulo 4 Análisis de regresión múltiple: inferencia
		4.1 Distribución de muestreo de los estimadores de MCO
		4.2 Prueba de hipótesis sobre un solo parámetro poblacional: la prueba t
			Pruebas contra alternativas de una cola
			Alternativas de dos colas
			Otras pruebas de hipótesis acerca de βj
			Cálculo del valor-p en las pruebas t
			Repaso del lenguaje empleado en las pruebas de hipótesis clásicas
			Significancia económica o práctica frente a significancia estadística
		4.3 Intervalos de confianza
		4.4 Pruebas de hipótesis de una sola combinación lineal de los parámetros
		4.5 Pruebas para restricciones lineales múltiples: la prueba F
			Prueba para las restricciones de exclusión
			Relación entre los estadísticos F y t
			Forma R-cuadrada del estadístico F
			Cálculo de los valores-p para pruebas F
			El estadístico F para la significancia general de una regresión
			Prueba para las restricciones generales lineales
		4.6 Informe de los resultados de la regresión
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
	Capítulo 5 Análisis de regresión múltiple: MCO asintóticos
		5.1 Consistencia
			Obtención de la inconsistencia en MCO
		5.2 Normalidad asintótica e inferencia con muestras grandes
			Otras pruebas con muestras grandes: el estadístico multiplicador de Lagrange
		5.3 Eficiencia asintótica de MCO
			Resumen
			Términos clave
			Problemas
			Ejercicios en computadora
			Apéndice 5A
	Capítulo 6 Análisis de regresión múltiple: temas adicionales
		6.1 Efectos del escalamiento de datos sobre los estadísticos de MCO
			Coeficientes beta
		6.2 Más acerca de la forma funcional
			Más acerca del empleo de las formas funcionales logarítmicas
			Modelos con funciones cuadráticas
			Modelos con términos de interacción
		6.3 Más sobre bondad de ajuste y selección de los regresores
			R-cuadrada ajustada
			Uso de la R-cuadrada ajustada para elegir entre modelos no anidados
			Control de demasiados factores en un análisis de regresión
			Adición de regresores para reducir la varianza del error
		6.4 Predicción y análisis de residuales
			Intervalos de confianza para predicciones
			Análisis de residuales
			Predicción de y cuando log(y) es la variable dependiente
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
		Apéndice 6A
	Capítulo 7 Análisis de regresión múltiple con información cualitativa: variables binarias (o dummy)
		7.1 Descripción de la información cualitativa
		7.2 Una sola variable binaria independiente
			Interpretación de los coeficientes de variables explicativas binarias cuando la variable dependiente es log(y)
		7.3 Uso de variables binarias en categorías múltiples
			Incorporación de información ordinal mediante el uso de variables binarias
		7.4 Interacciones en las que intervienen variables binarias
			Interacciones entre variables binarias
			Considerar pendientes diferentes
			Prueba para diferencias en las funciones de regresión a través de los grupos
		7.5 Una variable dependiente binaria: el modelo de probabilidad lineal
		7.6 Más acerca del análisis de políticas y evaluación de programas
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
	Capítulo 8 Heterocedasticidad
		8.1 Consecuencias de la heterocedasticidad para MCO
		8.2 Inferencia robusta a la heterocedasticidad en la estimación por MCO
			Cálculo de pruebas ML robustas a la heterocedasticidad
		8.3 Pruebas para heterocedasticidad
		Prueba de White para heterocedasticidad
		8.4 Estimación por mínimos cuadrados ponderados
			Heterocedasticidad conocida, salvo una constante multiplicativa
			La función de heterocedasticidad debe ser estimada: MCG factibles
			¿Qué pasa si la función de heterocedasticidad supuesta es incorrecta?
			Predicción e intervalos de predicción con heterocedasticidad
		8.5 Reconsideración del modelo de probabilidad lineal
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
	Capítulo 9 Más sobre especifi cación y temas de datos
		9.1 Especificación incorrecta de la forma funcional
			RESET como una prueba general para especificación incorrecta de formas funcionales
		Pruebas contra alternativas no anidadas
		9.2 Uso de las variables proxy para las variables explicativas no observadas
			Utilización de variables dependientes rezagadas como variables proxy
			Un enfoque diferente de la regresión múltiple
		9.3 Modelos con pendientes aleatorias
		9.4 Propiedades de MCO bajo error de medición
			Error de medición en la variable dependiente
			Error de medición en las variables explicativas
		9.5 Datos faltantes, muestras no aleatorias y observaciones aberrantes
			Datos faltantes
			Muestras no aleatorias
			Observaciones influyentes y observaciones aberrantes
		9.6 Estimación por mínimas desviaciones absolutas
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
Parte 2 Análisis de regresión con datos de series de tiempo
	Capítulo 10 Análisis básico de regresión con datos de series de tiempo
		10.1 Naturaleza de los datos de series de tiempo
		10.2 Ejemplos de modelos de regresión con series de tiempo
			Modelos estáticos
			Modelos de rezagos distribuidos finitos
			Una convención sobre el índice de tiempo
		10.3 Propiedades en muestras finitas de MCO bajo los supuestos clásicos
			Insesgamiento de MCO
			Las varianzas de los estimadores de MCO y el teorema de Gauss-Markov
			Inferencia bajo los supuestos del modelo lineal clásico
		10.4 Forma funcional, variables binarias y números índice
		10.5 Tendencias y estacionalidad
			Caracterización de la tendencia en las series de tiempo
			Uso de variables con tendencia en el análisis de regresión
			Interpretación de las regresiones con tendencia en el tiempo mediante la eliminación de la tendencia
			Cálculo de la R-cuadrada cuando la variable dependiente tiene tendencia
			Estacionalidad
	Capítulo 11 Aspectos adicionales de MCO con datos de series de tiempo
		11.1 Series de tiempo estacionarias y débilmente dependientes
			Series de tiempo estacionarias y no estacionarias
			Series de tiempo débilmente dependientes
		11.2 Propiedades asintóticas de MCO
		11.3 Uso de series de tiempo altamente persistentes en el análisis de regresión
			Series de tiempo altamente persistentes
			Transformaciones de series de tiempo altamente persistentes
			Decidir si una serie de tiempo es o no I(1)
		11.4 Modelos dinámicamente completos y ausencia de correlación serial
		11.5 El supuesto de homocedasticidad en los modelos de series de tiempo
			Resumen
			Términos clave
			Problemas
			Ejercicios en computadora
	Capítulo 12 Correlación serial y heterocedasticidad en regresiones de series de tiempo
		12.1 Propiedades de MCO con errores correlacionados serialmente
			Insesgamiento y consistencia
			Eficiencia e inferencia
			Bondad de ajuste
			Correlación serial en presencia de variables dependientes rezagadas
		12.2 Métodos de prueba de la correlación serial
			Prueba t de correlación serial AR(1) con regresores estrictamente exógenos
			Prueba de Durbin-Watson bajo los supuestos clásicos
			Prueba de correlación serial AR(1) sin regresores estrictamente exógenos
			Prueba de correlación serial de orden superior
		12.3 Corrección de correlación serial con regresores estrictamente exógenos
			Obtención del mejor estimador lineal insesgado en el modelo AR(1)
			Estimación por MCG factibles con errores AR(1)
			Comparación de MCO y MCGF
			Corrección de la correlación serial de orden superior
		12.4 Diferenciación y correlación serial
		12.5 Inferencia robusta a la correlación serial después de MCO
		12.6 Heterocedasticidad en regresiones de series de tiempo
			Estadísticos robustos a la heterocedasticidad
			Pruebas de heterocedasticidad
			Heterocedasticidad condicional autorregresiva
			Heterocedasticidad y correlación serial en modelos de regresión
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
Parte 3 Temas avanzados
	Capítulo 13 Combinación de cortes transversales en el tiempo: métodos simples para datos de panel
		13.1 Combinación independiente de cortes transversales en el tiempo
			Prueba de Chow para el cambio estructural en el tiempo
		13.2 Análisis de políticas con combinación de cortes transversales
		13.3 Análisis de datos de panel para un periodo de dos años
			Organización de los datos de panel
		13.4 Análisis de políticas con datos de panel de dos periodos
		13.5 Diferenciación con más de dos periodos
			Posibles dificultades con la primera diferenciación en los datos de panel
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
		Apéndice 13A
	Capítulo 14 Métodos avanzados para datos de panel
		14.1 Estimación de efectos fijos
			Regresión de variables binarias
			¿Efectos fijos o primera diferencia?
			Efectos fijos con paneles no balanceados
		14.2 Modelos de efectos aleatorios
			Efectos aleatorios o efectos fijos?
		14.3 Aplicación de métodos de datos de panel a otras estructuras de datos
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
		Apéndice 14A
	Capítulo 15 Estimación con variables instrumentales y mínimos cuadrados en dos etapas
		15.1 Justificación: variables omitidas en un modelo de regresión simple
			Inferencia estadística con el estimador de VI
			Propiedades de VI con una variable instrumental deficiente
			Cálculo de la R-cuadrada después de la estimación de VI
		15.2 Estimación de VI del modelo de regresión múltiple
		15.3 Mínimos cuadrados en dos etapas
			Una sola variable explicativa endógena
			Multicolinealidad y MC2E
			Múltiples variables explicativas endógenas
			Pruebas de hipótesis múltiples después de la estimación de MC2E
		15.4 Soluciones de VI a los problemas de errores en las variables
		15.5 Pruebas de endogeneidad y pruebas de restricciones de sobreidentificación
			Prueba de endogeneidad
			Prueba de restricciones de sobreidentificación
		15.6 MC2E con heterocedasticidad
		15.7 Aplicación de MC2E a las ecuaciones de series de tiempo
		15.8 Aplicación de MC2E a cortes transversales combinados y a datos de panel
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
		Apéndice 15A
	Capítulo 16 Modelos de ecuaciones simultáneas
		16.1 Naturaleza de los modelos de ecuaciones simultáneas
		16.2 Sesgo de simultaneidad en MCO
		16.3 Identificar y estimar una ecuación estructural
			Identificación en un sistema de dos ecuaciones
			Estimación mediante MC2E
		16.4 Sistemas con más de dos ecuaciones
			Identificación en sistemas con tres o más ecuaciones
			Estimación
		16.5 Modelos de ecuaciones simultáneas con series de tiempo
		16.6 Modelos de ecuaciones simultáneas con datos de panel
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
	Capítulo 17 Modelos de variable dependiente limitada y correcciones a la selección muestral
		17.1 Modelos logit y probit para respuesta binaria
			Especificación de modelos logit y probit
			Estimación de máxima verosimilitud de los modelos logit y probit
			Prueba de hipótesis múltiples
			Interpretación de las estimaciones logit y probit
		17.2 Modelo Tobit para respuestas de solución de esquina
			Interpretación de las estimaciones Tobit
			Problemas de especificación en los modelos Tobit
		17.3 El modelo de regresión Poisson
		17.4 Modelos de regresión censurada y truncada
			Modelos de regresión censurada
			Modelos de regresión truncada
		17.5 Correcciones de la selección muestral
			¿Cuándo es consistente MCO sobre la muestra seleccionada?
			Truncamiento incidental
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
		Apéndice 17A
		Apéndice 17B
	Capítulo 18 Temas avanzados de series de tiempo
		18.1 Modelos de rezagos distribuidos infinitos
			Rezagos distribuidos geométricos (o de Koyck)
			Modelos de rezagos distribuidos racionales
		18.2 Prueba de raíces unitarias
		18.3 Regresión espuria
		18.4 Modelos de cointegración y de corrección del error
			Cointegración
			Modelos de corrección del error
		18.5 Elaboración de pronósticos
			Tipos de modelos de regresión empleados para pronósticos
			Pronóstico de un paso hacia delante
			Comparación de pronósticos de un paso hacia delante
			Pronósticos de múltiples pasos hacia delante
			Pronóstico de tendencia, estacionalidad y procesos integrados
		Resumen
		Términos clave
		Problemas
		Ejercicios en computadora
	Capítulo 19 Realización de un proyecto empírico
		19.1 Plantear una pregunta
		19.2 Revisión bibliográfica
		19.3 Recolección de datos
			Decidir el conjunto apropiado de datos
			Ingresar y almacenar los datos
			Inspección, depuración y resumen de los datos
		19.4 Análisis econométrico
		19.5 La redacción de un trabajo empírico
			Introducción
			Marco conceptual (o teórico)
			Métodos econométricos y métodos de estimación
			Los datos
			Resultados
			Conclusiones
			Sugerencias de estilo
		Resumen
		Términos clave
		Muestra de proyectos empíricos
		Lista de publicaciones
		Fuentes de datos
	Apéndices
		Apéndice
 A Herramientas matemáticas básicas
			A.1 El operador de suma y la estadística descriptiva
			A.2 Propiedades de las funciones lineales
			A.3 Proporciones y porcentajes
			A.4 Algunas funciones especiales y sus propiedades
				Funciones cuadráticas
				Logaritmo natural
				La función exponencial
			A.5 Cálculo diferencial
			Resumen
			Términos clave
			Problemas
		Apéndice
 B Fundamentos de probabilidad
			B.1 Variables aleatorias y sus distribuciones de probabilidad
				Variables aleatorias discretas
				Variables aleatorias continuas
			B.2 Distribuciones conjuntas, distribuciones condicionales e independencia
				Distribuciones conjuntas e independencia
				Distribuciones condicionales
			B.3 Características de las distribuciones de probabilidad
				Una medida de tendencia central: el valor esperado
				Propiedades de los valores esperados
				Otra medida de tendencia central: la mediana
				Medidas de variabilidad: varianza y desviación estándar
				Varianza
				Desviación estándar
				Estandarización de una variable aleatoria
				Sesgo y curtosis
			B.4 Características de las distribuciones conjuntas y de las condicionales
				Medidas de asociación: covarianza y correlación
				Covarianza
				Coeficiente de correlación
				Varianza de sumas de variables aleatorias
				Esperanza condicional
				Propiedades de la esperanza condicional
				Varianza condicional
			B.5 La distribución normal y otras distribuciones semejantes
				La distribución normal
				La distribución normal estándar
				Propiedades adicionales de la distribución normal
				La distribución ji-cuadrada
				La distribución t
				La distribución F
			Resumen
			Términos clave
			Problemas
		Apéndice
 C Fundamentos de estadística matemática
			C.1 Poblaciones, parámetros y muestreo aleatorio
				Muestreo
			C.2 Propiedades de muestras finitas de los estimadores
				Estimadores y estimaciones
				Insesgadez
				La varianza de muestreo de los estimadores
				Eficiencia
			C.3 Propiedades asintóticas o de muestra grande de los estimadores
				Consistencia
				Normalidad asintótica
			C.4 Métodos generales para estimar parámetros
				El método de momentos
				Máxima verosimilitud
				Mínimos cuadrados
			C.5 Estimación de intervalos e intervalos de confianza
				La naturaleza de la estimación de intervalos
				Intervalos de confianza para la media de una población normalmente distribuida
				Una sencilla regla general para un intervalo de confianza a 95%
				Intervalos de confianza asintóticos para poblaciones no normales
			C.6 Prueba de hipótesis
				Fundamentos de la prueba de hipótesis
				Pruebas de hipótesis para la media de una población normal
				Pruebas asintóticas para poblaciones no normales
				Cálculo y uso de los valores-p
				La relación entre intervalos de confianza y pruebas de hipótesis
				Significancia práctica frente a significancia estadística
			C.7 Comentarios sobre la notación
			Resumen
			Términos clave
			Problemas
		Apéndice
 D Resumen de álgebra matricial
			D.1 Definiciones básicas
			D.2 Operaciones matriciales
				Suma matricial
				Multiplicación escalar
				Multiplicación matricial
				Transposición
				Multiplicación parcial particionada
				Traza
				Inversa
			D.3 Independencia lineal y rango de una matriz
			D.4 Formas cuadráticas y matrices definidas positivas
			D.5 Matrices idempotentes
			D.6 Diferenciación de formas lineales y cuadráticas
			D.7 Momentos y distribuciones de vectores aleatorios
				Valor esperado
				Matriz varianza-covarianza
				Distribución normal multivariada
				Distribución ji-cuadrada
				Distribución t
				Distribución F
			Resumen
			Términos clave
			Problemas
		Apéndice 
E El modelo de regresión lineal en forma matricial
			E.1 El modelo de estimación de los mínimos cuadrados ordinarios
			E.2 Propiedades muestrales finitas de MCO
			E.3 Inferencia estadística
			E.4 Algunos análisis asintóticos
				Estadístico de Wald para probar hipótesis múltiples
			Resumen
			Términos clave
			Problemas
		Apéndice
 F Respuestas a las preguntas del capítulo
		Apéndice G Tablas estadísticas
Referencias
Glosario
Índice
Notas