Ciencia de los Datos Aplicada
Undergraduate Programme. Academic Year 2024/2025.
ECONOMETRÍA PARA LA CIENCIA DE LOS DATOS - 806314
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 081C - GRADO EN CIENCIA DE LOS DATOS APLICADA (2022-23)
- Carácter: Obligatoria
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
CG11 - Poner en práctica las técnicas, herramientas y metodologías propias de la Ciencia de los Datos en distintos ámbitos de aplicación.
Específicas
CE4 - Identificar la utilidad y el potencial de las técnicas estadísticas y de análisis de datos adquiridas en las distintas áreas de aplicación (como la documental, geográfica, actuarial, económica, financiera, biosanitaria, etc.) y utilizarlas adecuadamente para descubrir patrones de comportamiento en datos de cualquier volumen y tipología y extraer conclusiones relevantes.
CE5 - Aplicar la estimación, diagnosis, comparación y validación de modelos en diferentes problemas de inferencia y predicción sobre poblaciones de estudio.
CE15 - Aplicar las técnicas y herramientas de la Ciencia de los Datos a la predicción y la cuantificación de la relación entre variables de diferentes ámbitos de aplicación, como los económicos, sociales, financieros, actuariales, biosanitarios, documentales, de geolocalización, de gestión y relación con el cliente o de salud.
ACTIVIDADES DOCENTES
Clases teóricas
Clases prácticas
Presenciales
No presenciales
Semestre
Breve descriptor:
Desarrollar análisis y estudios empíricos en economía para explicar, diagnosticar y hacer pronósticos sobre la situación de las principales variables económicas y financieras
El curso se ha planteado desde un punto de vista eminentemente práctico: revisión de las principales fuentes de información estadística en economía a través de internet; identificación de la técnica econométrica más adecuada para el estudio cuantitativo de la economía; y el uso aplicado y práctico de software específico R para el análisis econométrico
Objetivos
Proporcionar al alumno las herramientas fundamentales para desarrollar análisis y estudios empíricos en economía que permitan explicar, diagnosticar y hacer pronósticos sobre la situación económica y evaluar las recomendaciones de política con las que solucionar o mejorar la realidad económica cuando ésta se considere insatisfactoria.
El curso se ha planteado desde un punto de vista eminentemente práctico: Identificación de las principales fuentes de información estadística en economía a través de internet; Identificación de la técnica econométrica más adecuada para el estudio cuantitativo de la economía; uso aplicado y práctico de software específico para el análisis econométrico.
El objetivo último es adquirir las competencias para utilizar los métodos de regresión para la modelización económica y financiera, revisando la adecuación de cada método al conjunto de datos disponibles y a los objetivos a alcanzar en cada aplicación. Partiendo de mínimos cuadrados ordinarios para estimar el modelo lineal general se irá avanzando en otros métodos a medida que se vayan relajando supuestos como el de las perturbaciones no esféricas, la endogeneidad, las correlaciones a largo plazo, los datos de panel o los sesgos de selección. Entre otras aplicaciones, se estudiará el contraste de hipótesis sobre la relación teórica entre distintas variables y parámetros económicos; evaluación de los resultados de diferentes decisiones por parte de los agentes económicos; realización de predicciones económicas y financieras; cuantificación de elasticidades y precios hedónicos con los que realizar valoraciones en ausencia de datos de mercado; detección de comportamientos discriminatorios entre distintos agentes económicos; cuantificación y detección de riesgos de mercado en la operativa con carteras de inversión financiera; y la evaluación de impacto de los programas y políticas públicas
- Especificación, estimación y diagnosis del modelo lineal general.
- Contrastes de cambio estructural y mínimos cuadrados recursivos.
-Problemas de mala especificación, errores de medida, datos incompletos, muestras no aleatorias y observaciones atípicas, multicolinealidad y regularización.
- Métodos de regresión ante heteroscedasticidad, autocorrelación,
- Endogeneidad e Inconsistencia de MCO.
- Raíces unitarias, cointegración y modelos de corrección de error.
- Modelos de variables dependientes limitadas y correcciones en la selección muestral.
- Modelos con datos de panel.
- Inferencia Causal, Contrafactuales y evaluación de impacto de programas
Contenido
- Especificación, estimación y diagnosis del modelo lineal general.
- Contrastes de cambio estructural y mínimos cuadrados recursivos.
- Problemas de mala especificación, errores de medida, datos incompletos, muestras no aleatorias y observaciones atípicas.
- Métodos de regresión ante heteroscedasticidad, autocorrelación, y multicolinealidad.
- El problema de la inconsistencia de Mínimos Cuadrados ante endogeneidad.
- Raíces unitarias, cointegración y modelos de corrección de error.
- Modelos de variables dependientes limitadas y correcciones en la selección muestral.
- Modelos con datos de panel.
- Regresión cuantílica.
Evaluación
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:
a) La calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.
En todo caso, el alumno tiene la opción de superar la asignatura por evaluación continua. Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.
Bibliografía
- Hansen, B. (2018): Econometrics https://www.ssc.wisc.edu/~bhansen/econometrics/
- Christoph Hanck, Martin Arnold, Alexander Gerber, and Martin Schmelzer: (2024): Introduction to Econometrics with R https://www.econometrics-with-r.org/
- Christian Kleiber , Achim Zeileis Applied Econometrics with R. Springer https://link-springer-com.bucm.idm.oclc.org/book/10.1007/978-0-387-77318-6
- James, G., Witten, D., Hastie, T., & Tibshirani, R. (2020). An introduction to statistical learning with application in R. Second Edition New York: springer https://www.statlearning.com/
Estructura
Módulos | Materias |
---|---|
No existen datos de módulos o materias para esta asignatura. |
Grupos
Clases Teóricas y/o Prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo Único | 09/09/2024 - 20/12/2024 | MARTES 11:00 - 13:00 | - | LORENZO ESCOT MANGAS |
Actividades Prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo Único | 09/09/2024 - 20/12/2024 | JUEVES 13:00 - 15:00 | - | ALICIA PEREZ ALONSO LORENZO ESCOT MANGAS |