BANCO CENTRAL DE RESERVA DEL PERÚ
52º CURSO DE EXTENSIÓN UNIVERSITARIA 2005
CURSO: ECONOMETRÍA
Profesor: Juan Francisco Castro
Programa del curso
1. Objetivo
El objetivo del curso es que los alumnos aprendan la teoría y práctica de cómo hacer estimaciones bajo
distintos métodos, según sean las características de la data. Para esto, se plantea una breve revisión de los
principales elementos del Modelo Lineal General y de Teoría Asintótica, para luego presentar con detalle un
conjunto de técnicas de interés complementarias y/o alternativas al enfoque de los modelos uniecuacionales
más simples. Se pondrá especial énfasis en el análisis se series de tiempo, los modelos de datos de panel y la
estimación con variables dependientes limitadas.
2. Contenido y cronograma
` Sesión 1 (3 horas)
Estimación e inferencia en el Modelo Lineal General (MLG)
- Los cinco supuestos del MLG.
- La geometría de Mínimos Cuadrados Ordinarios (MICO): proyección ortogonal (el “hacedor de
estimados” y el “hacedor de residuos”), ¿qué nos dice la regresión particionada? (el Teorema de
Frisch-Waugh), el trade-off sesgo-varianza.
- Breve repaso del concepto de inferencia, tamaño y potencia de una prueba.
` Sesión 2 (3 horas)
Perturbaciones no esféricas
- Heterocedasticidad y Autocorrelación. Efectos sobre la estimación por MICO. Detección. El
estimador de Mínimos Cuadrados Generalizados (planteamiento, propiedades y utilización).
Teoría asintótica y regresores estocásticos
- Teoría asintótica (tipos de convergencia, Teoremas de Kolmogorov y Lindberg-Levy).
- Propiedades asintóticas del estimador MICO, ¿qué ocurre bajo la presencia de un regresor
estocástico?
- El estimador de variables instrumentales, propiedades asintóticas.
52º Curso de Extensión Universitaria – BCRP Econometría 2
` Sesión 3 (3 horas)
Análisis univariado de series de tiempo (Parte 1)
- Series de tiempo estacionarias: definiciones básicas: proceso estocástico, estacionariedad estricta y
débil. Condiciones para la estacionariedad de los principales procesos. Estadísticos que caracterizan
procesos estacionarios: función de autocorrelación simple y parcial. Estimación y selección de
modelos uniecuacionales.
- Series de tiempo no estacionarias en media: Trend stationary versus difference stationary, tests de
raíces unitarias, raíces unitarias vs. cambio estructural.
` Sesión 4 (3 horas)
Análisis univariado de series de tiempo (Parte 2)
- Series de tiempo no estacionarias en varianza: El modelo de Heterocedasticidad Condicional
Autorregresiva (ARCH): especificaciones aditiva y multiplicativa, asimetrías en los modelos ARCH
(TGARCH y EGARCH), la varianza como variable explicativa de la media de una serie (MGARCH).
` Sesión 5 (3 horas)
Examen Parcial
` Sesión 6 (3 horas)
Análisis de series de tiempo multiecuacional (Parte 1)
- La metodología de los vectores autorregresivos (VAR): Estimación. Principales aplicaciones
prácticas. La función impulso-respuesta y la descomposición de la varianza. El VAR estructural:
procedimientos alternativos a la descomposición de Choleski; otros tipos de restricciones de
identificación del sistema.
` Sesión 7 (3 horas)
Análisis de series de tiempo multiecuacional (Parte 2)
- Cointegración y modelos de corrección de errores: metodología de Engle y Granger, test de
Johansen.
Asignación de la Tarea.
52º Curso de Extensión Universitaria – BCRP Econometría 3
` Sesión 8 (3 horas)
Modelos de datos de panel
- Los modelos de efectos fijos y efectos aleatorios. Estimación por MICO: estimadores within, between
y sus propiedades. Estimación por MCG: el estimador de MCG factible y sus propiedades.
` Sesión 9 – Miércoles 21 de enero (3 horas)
Variables dependientes discretas
- El modelo de probabilidad lineal. La estimación Probit y Logit. Modelos multinomiales y las diferentes
especificaciones de la variable dependiente. Bondad de ajuste. Aplicaciones.
Entrega de la Tarea.
` Sesión 10 – Jueves 22 de enero (3 horas)
Variables dependientes limitadas
- Los modelos de muestras truncadas y censuradas. Los problemas de sesgo de selección.
Aplicaciones.
` Sesión 11 – Viernes 23 de enero (3 horas)
Examen final.
3. Calificación
` Examen Parcial .............. .....%
` Examen Final .................. ....%
4. Referencias
Castro, J.F. y Roddy Rivas-Llosa. Econometría Aplicada. Biblioteca Universitaria. Centro de Investigación
de la Universidad del Pacífico. Lima, 2003.
Enders W, Applied Econometric Time Series. John Wiley and Sons, Inc., 1995.
Greene W., Econometric Analysis, Segunda Edición 1993.
Hamilton, Time series analysis. Princeton University Press, 1994.
Johansen Soren (1995). Likelihood-based inference in cointegrated vector autorregresive models.
Oxford University Press.
52º Curso de Extensión Universitaria – BCRP Econometría 4
Kennedy, P. A guide to econometrics. The MIT Press, tercera edición 1993.
Perron, P. Trend, unit root and structural change in macroeconomic time series. Départment de
Sciences Economiques et CRDE. Université de Montreal. Mimeo, Enero 1993.
Ruud, Paul A. (2000). An Introduction to Classical Econometric Theory. Oxford University Press.
Zivot, E. y Andrews, D.W.K. Further evidence on the great crash, the oil price shock and the unit root
hypothesis. Cowles Foundation Discussion Paper No. 944, 1990.
