CG 1, CG 2 - AE 1. Comunicar y transmitir los resultados estadísticos correctamente mediante la elaboración de distintos tipos de informe, utilizando terminología específica de los campos de aplicación
CG 12 - AE 1. Evaluar la calidad de su trabajo
CG 13, CG 17 - AE 1. Utilizar adecuadamente los conocimientos adquiridos en el grado en los distintos campos de aplicación de la estadística

CE 1 - AE 1. Conocer, identificar y seleccionar las fuentes de información comerciales y sociales más adecuadas.
CE 12 - AE 1. Resolver un problema real a través del proceso metodológico adaptado a las áreas de aplicación de la estadística de economía y marketing.
CE 25, CE 26 - AE 1. Valorar la importancia de la estadística y de su correcta utilización en problemas concretos del ámbito de las CC. Sociales.

20%

80%

100

2,4

3,6

8

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.

Modelos de regresión lineal
Modelos de series temporales

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.
- Métodos de regresión ante heteroscedasticidad, autocorrelación, y multicolinealidad.
- 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 y evaluación de impacto de programas
- Regresión cuantílica.
- Técnicas econométricas para el análisis de datos espaciales.

Capítulo 0 INTRODUCCIÓN AL MANEJO DE R
Capítulo 1 INTRODUCCIÓN
- Naturaleza y contenido de la Econometría
- La modelización económica
- Planteamiento del curso
Fuentes de información económica en Internet
     Práctica 1: La identificación del ciclo económico

Capítulo 2 REGRESIÓN LINEAL
- El Modelo Lineal General (MLG)
- Hipótesis del modelo
- Estimación por Mínimos Cuadrados Ordinarios (MCO)
- Inferencia y predicción en el MLG
- Contrastes de cambio estructural
- Multicolinealidad y errores de medida
     Práctica 2 : La Ley de Okun (1)
     Práctica 3 : La ecuación de salarios y la discriminación por razón de género
    Práctica 4: ¿Qué vale más la vida de un hombre o de una mujer?

Capítulo 3 MODELOS CON DATOS DE SECCIÓN CRUZADA (HETEROCEDASTICIDAD)
- Causas de la heterocedasticidad
- Contrastes de heterocedasticidad
- El Estimador de Mínimos Cuadrados Generalizados
- El Estimador de Minimos Cuadrados ponderados factible
     Práctica 5: El gasto medio por persona en las CC.AA.
    Práctica 6: ¿Cuánto vale mi vivienda?
    Práctica 7: ¿Qué política antitabaco es más eficiente?

Capítulo 4 MODELOS CON DATOS DE SERIES TEMPORALES: ESTACIONARIEDAD, COINTEGRACION Y AUTOCORRELACION 
- Magia “potagia” o las regresiones espurias 
- Estacionariedad y Raíces Unitarias
- No estacionariedad y Cointegración
- Cointegración y Mecanismos de Corrección del Error (MCE) 
       Práctica 8: La Ley de Okun (2) 
- Modelos de regresión con series temporales estacionarias: autocorrelación
- El estimador de Mínimos Cuadrados Generalizados (MCG)
- Indicadores adelantados: Causalidad en sentido de Granger y correlación contemporánea
       Práctica 9: El Índice de Confianza del Consumidor como indicador adelantado del PIB
- Modelos dinámicos estacionarios: ARIMA y ARIMAX
- Estimación, Diagnosis de modelos ARIMA
      Práctica 10: Análisis de las series del PIB, Ocupados e Inflación
      Práctica 11: Análisis de coyuntura de la economía Española

Capítulo 5 ENDOGENEIDAD, VARIABLES INSTRUMENTALES y MC2E 
- ¿En qué consiste el problema de la Endogeneidad?, ¿qué problemas origina?
- Orígenes de la endogenidad: Omisión de alguna variable relevante (porque no es observable) que está correlacionada con alguna otra variable explicativa
     Practica 12: Peso al nacer y consumo de cigarrillos
     Práctica 13: Notas de clase y los buenos estudiantes
     Práctica 14: Ecuación de salarios en las mujeres y talento
- Orígenes de la endogenidad: Errores en la medida
    Práctica 15: Salarios y habilidad intelectual
- Orígenes de la endogenidad: Modelo de regresión con retardos y autocorrelación en los errores
    Práctica 16: La Ley de Okun (4)
- Estimador de variables instrumentales y mínimos cuadrados en dos etapas (MC2E)
- Contrastes de endogeneidad y restricciones de sobreestimación

Capítulo 6 MODELOS DE REGRESIÓN CON DATOS DE PANEL
- Especificación de modelos con datos de panel
- Estimación de modelos con efectos fijos
- Estimación de modelos con efectos aleatorios
- Sistema de ecuaciones aparentemente no relacionadas
    Práctica 17: La ecuación de convergencia
    Práctica 18: Evaluación de ayudas a la Productividad
    Práctica 19: Desempleo y delincuencia

Capítulo 7 MODELOS DE ECONOMETRÍA ESPACIAL
- Introducción a la estadística y a las medidas de asociación espacial
- La construcción de la matriz de distancias para la medición de dependencias espaciales
- Especificaciones del modelo con dependencia espacial: modelo de error con retardos espaciales y el modelo con errores espaciales autoregresivos
- Problemas de mínimos cuadrados ordinarios para la estimación de modelos con retardo espacial y el estimador de mínimos cuadrados en dos etapas
     Práctica 20: ¿Se puede mejorar la estimación del precio de mi vivienda con modelos de econometría espacial?
     Práctica 21: La ley de Okun espacial 

Capítulo 8 MODELOS DE REGRESIÓN CUANTÍLICA 
- Regresión en media y regresión por cuantiles 
- Estimación de la regresión intercuantílica 
- Representación gráfica de la solución 
     Práctica 22: Discriminación salarial y distribución de salarios 

Los alumnos tienen la posibilidad de superar la asignatura por evaluación continua que será el 100% de la nota final. En la evaluación continua se tendrá en cuenta la realización de prácticas con datos reales, pruebas prácticas de ejercicios y otro tipo de tareas y actividades complementarias. La evaluación continua será calificada atendiendo a ejercicios y trabajos relacionados con los contenidos propuestos por el profesor, así como la participación del estudiante en las clases y en las actividades formativas propuestas por el profesor.

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.

- Wooldridge, J. (2019): Introductory Econometrics: A Modern Approach, 7th Edition. Cengage Learning
- Hansen, B. (2018): Econometrics https://www.ssc.wisc.edu/~bhansen/econometrics/
- Kleibel, C. & Zeileis, A. (2008): Applied Econometrics with R. Springer.

Bibliografía Complementaria
- Angrist, J. D. & Pischke, J.-S. (2009): Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press
- Anselin, L. & Rey, S.J. (2014): Modern Spatial Econometrics. GeoDa Press
- Anselin, L. (2007): Spatial Regression Analysis in R: A Workbook
- Baltagi, B. H. (2013): Econometric Analysis of Panel Data. 5th Edition, Wiley
- Brockwell, P.J. & Davis, R. A. (2016). Introduction to Time Series and Forecasting. 3rd Edition, Springer
- Cameron, A. C. & Trivedi, P. K. (2005): Microeconometrics: Methods and Applications. Cambridge University Press
- Dalgaard, P. (2008): Introductory statistics with R. Springer Science & Business Media Hamilton, J.D. (1994): Time Series Analysis. Princeton University Press
- Heiss, F. (2016): Using R for Introductory Econometrics. Create Space. Hsiao, C. (2014): Analysis of Panel Data. Cambridge University Press
- LeSage, J. & Kelley Pace, J. (2009): Introduction to spatial econometrics, Chapman & Hall
- Peña, D. (2010): Análisis de Series Temporales, 2.ª Edición, Alianza editorial
- Pfaff, B. (2008): Analysis of Integrated and Cointegrated Time Series with R. Springer-Verlag.
- Shumway, R. H. & Stoffer, D. S. (2017): Time Series Analysis and Its Applications: With R Examples. 4th Edition, Springer
- Wei, W. W. S. (2006): Time Series Analysis: Univariate and Multivariate Methods. 2nd Edition, Pearson Addison Wesley
- Wooldridge, J. M. (2010): Econometrics of cross-section and panel data. 2nd Edition, MIT Press
- Zuur, A., Ieno, E. N. & Meesters, E. (2009): A Beginner's Guide to R. Springer Science & Business Media.