Damodar N. Gujarati,
United States Military Academy, West Point
ISBN: 9701039718 Copyright year: 2004
Tabla de Contenido
Capítulo 1. Naturaleza del análisis de regresión
Origen histórico del término regresión
Interpretación moderna de la regresión
Relaciones estadísticas vs. relaciones determinísticas
Regresión vs. causalidad
Regresión vs. correlación
Terminología y notación
Naturaleza y fuentes de información para el análisis econométrico
Resumen y conclusiones
Capítulo 2. Análisis de regresión con dos variables: algunas ideas básicas
Ejemplo hipotético
Concepto de función de regresión poblacional (FRP)
Significado del término "lineal"
Especificación estocástica de la FRP
Significado del término "perturbación estocástica"
Función de regresión muestral (FRM)
Un ejemplo ilustrativo
Resumen y conclusiones
Capítulo 3. Modelo de regresión con dos variables: problema de estimación
Método de mínimos cuadrados ordinarios (MCO)
Modelo clásico de regresión lineal: supuestos detrás del método de mínimos cuadrados
Precisión o errores estándar de los mínimos cuadrados estimados
Propiedades de los estimadores de mínimos cuadrados: teorema de Gauss-Markov
Coeficiente de determinación una medida de la "bondad del ajuste"
Ejemplo numérico
Ejemplos ilustrativos
una observación sobre los experimentos Monte Carlo
Resumen y conclusiones
Capítulo 4. Modelo clásico de regresión lineal normal (MCRLN)
Distribución de probabilidad de las perturbaciones
Supuestos de normalidad
Propiedades de los estimadores MCO bajo el supuesto de normalidad
Método de máxima verosmilitud (MV)
Resumen y conclusiones
Capítulo 5. Regresión con dos variables: estimación de intervalos y prueba de hipótesis
Prerrequisitos estadísticos
Estimación de intervalos: algunas ideas básicas
Intervalos de confianza para los coeficientes de regresión
Intervalos de confianza
Prueba de hipótesis: comentarios generales
Prueba de hipótesis: método del intervalo de confianza
Prueba de hipótesis: método de prueba de significancia
Prueba de hipótesis: algunos aspectos prácticos
Análisis de regresión y análisis de varianza
Aplicación del análisis de regresión: problema de predicción
Informe de resultados del análisis de regresión
Evaluación de resultados del análisis de regresión
Resumen y conclusiones
Capítulo 6. Extensiones del modelo de regresión lineal de dos variables
Regresión a través del origen
Escalas y unidades de medición
Regresión sobre las variables estandarizadas
Formas funcionales de los modelos de regresión
Cómo medir la elasticidad: modelo Log-Lineal
Modelos semilogarítmicos: Log-Lin y Lin-Log
Modelos recíprocos
Elección de la forma funcional
Nota sobre la naturaleza del término error estocástico: término de error estocástico aditivo vs. multiplicativo
Resumen y conclusiones
Capítulo 7. Análisis de regresión múltiple: problemas de estimación
Significado de los coeficientes de regresión parcial
Estimación MCO y MV de los coeficientes de regresión parcial
El coeficiente de determinación múltipleR y el coeficiente de correlación múltiple R
Ejemplo 7.1: mortalidad infantil respecto al PIB PER CÁPITA y a la tasa de alfabetización en las mujeres
La regresión simple en el contexto de regresión múltiple: introducción al sesgo de especificación
Ejemplo 7.3: La función de producción Cobb-Douglas: más sobre la forma funcional
Modelos de regresión polinomial
Coeficiente de correlación parcial
Resumen y conclusiones
Capítulo 8. Análisis de regresión múltiple: el problema de inferencia
Una vez más, el supuesto de normalidad
Ejemplo 8.1: el ejemplo de la mortalidad infantil reconsiderado
Prueba de hipótesis en regresión múltiple: comentarios generales
Prueba de hipótesis sobre coeficientes individuales de regresión parcial
Prueba de significancia global de la regresión muestral
Prueba de igualdad de dos coeficientes de regresión
Mínimos cuadrados restringidos: prueba sobre restricciones de tipo igualdad líneas
Prueba para la estabilidad estructural o paramétrica de los modelos de regresión: la prueba Chow
Predicción con regresión múltiple
La tríada de las pruebas de hipótesis: razón de Verosimilitud (RV), Wald(W) y multiplicador de Lagrange (ML)
Prueba de la forma funcional de la regresión: selección entre modelos de regresión lineal y Log-Lineal
Resumen y conclusiones
Capítulo 9. Modelos de regresión con variables dicótomas
Naturaleza de las variables dicótomas
Modelos anova
Modelos anova con dos variables cualitativas
Regresión con una mezcla de regresoras cualitativas y cuantitativas: los modelos ancova
La variable dicótoma alternativa a la prueba Chow
Efectos de interacción al utilizar variables dicótomas
Uso de las variables dicótomas en el análisis estacional
Regresión lineal por secciones
Modelos de regresión con datos en panel
Algunos aspectos técnicos de la técnica de la variable dicótoma
Temas para estudio posterior
Resumen y conclusiones
Capítulo 10. Multicolinealidad: ¿qué pasa si las regresoras están correlacionadas?
Naturaleza de la multicolinealidad
Estimación en presencia de la multicolinealidad perfecta
Estimación en presencia de multicolinealidad "alta" pero "imperfecta"
Multicolinealidad: ¿mucho trabajo para nada? consecuencias teóricas de la multicolinealidad
Consecuencias prácticas de la multicolinealidad
Ejemplo ilustrativo: gastos de consumo en relación con el ingreso y la riqueza
Detección de la multicolinealidad
Medidas correctivas
¿Es la multicolinealidad necesariamente mala? posiblemente no, si el objetivo es solamente la predicción
Un ejemplo ampliado: los datos Longley
Resumen y conclusiones
Capítulo 11. Heteroscedasticidad: ¿qué pasa cuando la varianza del error no es constante?
Naturaleza de la heteroscedasticidad
Estimación MCO en presencia de heteroscedasticidad
El método de mínimos cuadrados generalizados (MCG)
Consecuencias de utilizar MCO en presencia de heteroscedasticidad
Detección de la heteroscedasticidad
Medidas correctivas
Ejemplo para concluir
Advertencia respecto a la respuesta exagerada ante la heteroscedasticidad
Resumen y conclusiones
Capítulo 12. Autocorrelación: ¿qué sucede si los términos error están correlacionados?
Naturaleza del problema
Estimación MCO en presencia de autocorrelación
Estimador Meli en presencia de autocorrelación
Consecuencias de utilizar MCO en presencia de autocorrelación
Relación entre salarios y productividad en el sector de negocios de Estados Unidos, 1959, 1998
Detección de la autocorrelación
¿Qué hacer cuando hay autocorrelación?: medidas correctivas
Mala especificación de modelo versus autocorrelación pura
Corrección de la autocorrelación (pura): el método de los mínimos cuadrados generalizados (MCG)
El método Newey-West para corregir errores estándar MCO
MCO versus MCGF y CHA
Pronóstico con términos de error autocorrelacionados
Aspectos adicionales de la autocorrelación
Resumen y conclusiones
Capítulo 13. Diseño de modelos econométricos: especificación del modelo y prueba de diagnóstico
Criterio de selección del modelo
Tipos de errores de especificación
Consecuencias de los errores de especificación
Pruebas de errores de especificación
Errores de medición
Especificación incorrecta del término de error estocástico
Modelos anidados en comparación con los no anidados
Prueba de hipótesis no anidadas
Criterios para la selección de modelos
Temas adicionales en la elaboración de modelos econométricos
Un ejemplo concluyente
Una advertencia al practicante
Resumen y conclusiones
Capítulo 14. Modelos de regresión no lineales
Modelos de regresión intrínsecamente lineales e intrínsecamente no lineales
Estimación de modelos de regresión lineales y no lineales
Estimación de modelos de regresión no lineales: el método de ensayo y error
Métodos para estimar modelos de regresión no lineales
Ejemplo ilustrativos
Resumen y conclusiones
Capítulo 15. Modelos de regresión de respuestas cualitativas
Naturaleza de los modelos de respuesta cualitativa
Modelo lineal de probabilidad (MLP)
Aplicaciones de MLP
Alternativas al MLP
El modelo Logit
Estimación del modelo Logitz
Modelo Logit agrupado: ejemplo numérico
El modelo Logit para datos individuales o no agrupados
Modelo Probit
Modelos Logit y Probit
Modelo Tobit
Elaboración de modelos para datos de cuenta: el modelo de regresión de Poisson
Temas adicionales de los modelos de regresión con respuesta cualitativa
Resumen y conclusiones
Capítulo 16. Modelos de regresión con datos en panel
¿Por qué datos en panel?
Datos en panel: un ejemplo ilustrativo
Estimación de los modelos de regresión con datos en panel: el método de efectos fijos
Estimación de los modelos de regresión con datos en panel: el método de efectos aleatorios
El modelo de efectos fijos (MCVD) versus el modelo de efectos aleatorios
Regresión con datos en panel: algunos comentarios concluyentes
Resumen y conclusiones
Capítulo 17. Modelos econométricos dinámicos: modelos autorregresivos y de rezagos distribuidos
El papel del "tiempo", o del "rezago", en economía
Razones para los rezagos
Estimación de modelos de rezagos distribuidos
Método de Koyck para los modelos rezagos distribuidos
Racionalización del modelo de Koyck: el modelo de expectativas adaptativas
Otra racionalización del modelo de Koyck: el modelo de ajuste de existencias o de ajuste parcial
Combinación de los modelos de expectativas adaptativas y de ajuste parcial
Estimación de modelos autorregresivos
Método de variables instrumentales (IV)
Detección de autocorrelación en modelos autorregresivos: prueba h de Durbin
Ejemplo numérico: la demanda del dinero en Canadá de I-1979 a IV-1988
Ejemplos ilustrativos
El método de Almon para los modelos de rezagos distribuidos: rezago distribuido polinomial o de Almon (RDP)
Casualidad en economía: prueba de caudalidad de Granger
Resumen y conclusiones
Capítulo 18. Modelos de ecuaciones simultáneas
Naturaleza de los modelos de ecuaciones simultáneas
Ejemplos de modelos de ecuaciones simultáneas
Sesgo en las ecuaciones simultáneas: inconsistencia de los estimadores MCO
Sesgo de las ecuaciones simultáneas: ejemplo numérico
Resumen y conclusiones
Capítulo 19. El problema de la identificación
Problema de identificación
Reglas para la identificación
Prueba de simultaneidad
Pruebas de exogeneidad
Resumen y conclusiones
Capítulo 20. Métodos de ecuaciones simultáneas
Métodos para la estimación
Modelos recursivos y mínimos cuadrados ordinarios
Estimación de una ecuación exactamente identificada: el método de mínimos cuadrados indirectos (MCI)
Estimación de una ecuación sobreidentificada: método de mínimos cuadrados en dos etapas (MC2E)
MC2E: ejemplo numérico
Ejemplos ilustrativos
Resumen y conclusiones
Capítulo 21. Econometría de series de tiempo: algunos conceptos básicos
Una ojeada a algunas series de tiempo económicas de Estados Unidos
Conceptos clave
Procesos estocásticos
Proceso estocástico de raíz unitaria
Procesos estocásticos de tendencia estacionaria (TE) y de diferencia estacionaria (DE)
Procesos estocásticos integrados
El fenómeno de regresión espuria
Pruebas de estacionariedad
Pruebas de raíz unitaria
Transformación de las series de tiempo no estacionarias
Cointegración: regresión de una serie de tiempo con raíz unitaria sobre otra serie de tiempo con raíz unitaria
Algunas aplicaciones económicas
Resumen y conclusiones
Capítulo 22. Econometría de series de tiempo: pronósticos
Enfoques para la predicción económica
Elaboración de modelos AR, MA y ARIMA para series de tiempo
Metodología de Box-Jenkins (BJ)
Identificación
Estimación del modelo Arima
Verificación de diagnóstico
Pronóstico
Aspectos adicionales de la metodología BJ
Vectores autorregresivos (VAR)
Medición de la volatilidad de las series de tiempo financieras: los modelos Arch y Garch
Ejemplos concluyentes
Resumen y conclusiones
To obtain an instructor login for this Online Learning Center, ask your local sales representative..
If you're an instructor thinking about adopting this textbook, request a free copy for review.