Especialización en
ECONOMETRÍA APLICADA Y
CIENCIA DE DATOS
Inicio:
24 de Septiembre
Especialización en
ECONOMETRÍA APLICADA
Y CIENCIA DE DATOS
En la especialización en Econometría Aplicada y Ciencia de datos
R studio aprenderá a usar mediante el lenguaje de programación
estructural de R-Project la aplicación de diferentes métodos de
modelos econométricos de forma sencilla y eficiente. Las metodo-
logías de estimación serán ejemplificadas con unas aplicaciones
reales dentro del contexto internacional. Para el cumplimiento de
los objetivos no es necesario que el participante tenga el conoci-
miento mínimo de un curso de econometría básica puesto que se
brindarán los conceptos de forma muy sencilla y dinámica.
Duración: 3 Meses
Horario: Sabados de 3:00 a 6:00pm y
Domigos de 10:00am a 1:00pm
Certificación: Entrega de 4 certificados
Econometría Aplicada y Ciencia de Datos
DATA ANALYTICS
Introducción a las herramientas básicas de R y R Studio
Cómo funciona R.
Componentes importantes del interfaz de R Studio.
Importación y exportación de base de datos en formato csv, txt, xlsx, dta, etc.
Tipos de datos y principales objetos:
Vectores, Matrices, Listas y Data Frame.
Análisis estadístico.
Instalación e importación de librerías.
Manipulación y tratamiento de base de datos
Manejo de base de datos con el paquete dplyr.
Transformación y recodificación de variables.
Fusión de base de datos.
Creación de subconjuntos o estructuras de datos.
Introducción a la visualización de datos en R
Graficación con el paquete ggplot2.
Gráficos de dispersión, líneas, etc.
Gráficos de barras, boxplot, pie, etc.
Estilo de gráficos (matices de colores, presentación).
Econometría Aplicada y Ciencia de Datos
DATA ANALYTICS
Análisis de Regresión Lineal
Modelo de regresión simple y multiple.
Bondad de ajuste y significancia.
Violación de supuestos del modelo lineal.
Comparación y elección del mejor modelo de regresión lineal
(criterios de información).
Modelos de respuesta binaria y sus modelos
Modelo lineal de probabilidades.
Método de máxima Verosimilitud.
Regresión logística: Modelos logit.
Modelos probit y bondad de ajuste.
Econometría Aplicada y Ciencia de Datos
MICROECONOMETRÍA
Estimación con variables instrumentales
Análisis del problema de endogeneidad (Test de Hausman).
Instrumentos débiles y sobreindentificacion (Test de Sargan).
Aplicación con la Encuesta Nacional de Hogares (ENAHO).
Modelos de respuesta binaria y sus modelos
Modelo lineal de probabilidades
Método de máxima Verosimilitud.
Regresión logística: Modelos logit.
Modelos probit y bondad de ajuste.
Econometría Aplicada y Ciencia de Datos
MICROECONOMETRÍA
Modelos con variable dependiente multinomial
Datos de elección multinomial.
Modelo logit multinomial.
Modelo probit multinomial.
Modelos con variable dependiente limitada
Modelos censurados y truncados.
Evaluación del modelo de regresión.
Introducción a modelos de supervivencia.
Econometría Aplicada y Ciencia de Datos
MACROECONOMETRÍA
Regresión lineal con serie de tiempo
Estimación y supuestos del Modelo Lineal General (MLG).
Análisis de autocorrelación: Prueba de Durbin Watson, Breusch Pagan, etc.
Quiebre estructurales e implementación de dummys (CUSUM Cuadrado y test
de Chow).
Análisis de series no estacionarias
Descomposición y filtros para series de tiempo.
Prueba de Raíz unitaria: Test de Dickey - Fuller aumentado (ADF), Test de
Perron (PP), Test de DF - GLS, etc.
Análisis de cointegración.
Econometría Aplicada y Ciencia de Datos
MACROECONOMETRÍA
Modelos de series de tiempo
Modelos de vectores autorregresivos (VAR y SVAR).
Modelos con Heterocedasticidad condicional (ARCH, GARCH).
Aplicaciones.
Modelos de datos panel estático y dinámico
Estimadores Pooled, Fixed Effects y Random Effects.
Test de Hausman, test de Autocorrelación serial, dependencia transversal
y heterocedasticidad.
Estimación mediante el Método Generalizado de Momentos (GMM) –
Arellano Bond y Blundell Bond.
Econometría Aplicada y Ciencia de Datos
MACHINE LEARNING Y
DEEP LEARNING
Entendiendo el entorno, conociendo más opciones e
instalando aliados.
Iniciación en la programación (limpieza de datos y bucles).
Machine Learning (Modelos supervisados y no supervisados).
Rigurosidad en decisiones e ingienería de datos (Conocer el
“entrenamiento y prueba” y “sobre ajuste”, validación cruzada,
calibración de hiperparámetros y REGEX).
Xtreme Gradient Boosting y Agrupación y reducción de dimensiones
(Árboles de decisión, ratio de aprendizaje, clusterización y análisis
de componentes principales).
Redes Neuronales (Deep learning y funciones de activación, tensorflow,
keras y Deep Learning vs Machine Learning).
Econometría Aplicada y Ciencia de Datos
Econometría Aplicada y Ciencia de Datos
Docentes
Econ. Alexis Adonai Morales Alberto
(Docente del Centro Gem Training & Consulting Service S.A.C.)
Economista especializado en Modelamiento Econométrico de la
UNAM, Investigación Económica y Análisis de Indicadores para
la toma de decisiones.
Con experiencia en investigación económica y financiera, aseso -
ramiento de tesis a nivel de pregrado y en uso de análisis estadís -
ticos y econométricos aplicados con Stata, SPSS, Eviews, Matlab
y Python.
Econometría Aplicada y Ciencia de Datos
¡NO PIERDAS ESTA
oportunidad!
INSCRÍBETE YA
Econometría Aplicada y Ciencia de Datos
WHATSAPP
Econometría Aplicada y Ciencia de Datos
Inversión
Al contado
Promoción Comunidad Corporativo
Normal
(Hasta el 23 de Septiembre) GEM (3-5 personas)
Perú S/ 620 S/ 380 S/ 360 S/ 340
Otros $ 194 USD $ 119 USD $ 113 USD $ 107 USD
países
En cuotas sin intereses
Comunidad Corporativo
Promoción Fecha Límite
GEM (3-5 personas)
S/. 127 o S/. 120 o S/. 114 o
Cuota 1
$ 40 USD $ 38 USD $ 36 USD
23/09/2022
S/. 127 o S/. 120 o S/. 113 o 23/10/2022
Cuota 2
$ 40 USD $ 38 USD $ 36 USD
S/. 126 o S/. 120 o S/. 113 o
Cuota 3
$ 39 USD $ 37 USD $ 35 USD
23/11/2022
-1 año de acceso compartido al material y videos
Econometría Aplicada y Ciencia de Datos
