CONTENIDOS MÍNIMOS:
- Econometría: ubicación epistemológica de la econometría. Relación con la estadística, la computación y la ciencia de datos. La econometría como parte de la Economía. Uso descriptivo, causal, inferencial y predictivo de la econometría.
- El modelo lineal simple y el método de cuadrados mínimos: el modelo con una variable explicativa. Estimación mínimo-cuadrática (MCO) de parámetros. Interpretación predictiva y causal del modelo. Propiedades del estimador. Inferencia básica en el modelo simple: significatividad e intervalos de confianza.
- El modelo lineal general y MCO: regresión múltiple como mecanismo de control y de reducción de varianza. Propiedades básicas. Inferencia: significatividad global, hipótesis lineales. Bondad del ajuste. Interpretaciones del modelo múltiple.
- Regresión flexible: modelos no lineales en variables. Polinomios, modelos log-lineales, interacciones, variables explicativas binarias y categóricas.
- Estructura algebraica del modelo y del método de MCO: representación matricial del modelo y del estimador MCO. Propiedades algebraicas.
- Optimalidad: sesgo, varianza y el Teorema de Gauss-Markov.
- Regresores aleatorios: exogeneidad, errores de medición. MCO en contextos no experimentales.
- Fuentes de sesgos e imprecisión: formula de variables omitidas. Variables irrelevantes, errores de medición. Multicolinealidad y tamaño de muestra.
- Inferencia robusta: Heterocedasticidad y el estimador de Eicker-White de la varianza. Correlación intracluster.
- Regresión y causalidad: interpretación causal del modelo lineal de regresión. Causalidad y contrafácticos. Experimentos y cuasi-experimentos. Experimentos aleatorizados. Correlación y causalidad.
- Variables instrumentales: endogeneidades e instrumentos válidos. Fuentes de instrumentos. “Primera etapa” e instrumentos débiles.
- Elección binaria: modelos no lineales. Logits y probits. Interpretación y estimación máximo
verosímil.
