Curso Econometrı́a Aplicada con R

Mi Curso Ideal
micursoideal@outlook.com
2019

El desglose de los datos y su análisis es parte fundamental del proceso que

se lleva a cabo cuando se desarrolla una solución de inteligencia empresarial. Es
por esto que utilizamos R, una herramienta para el trabajo con la data.

1. Descripción
En este curso se podrá conocer las diversas técnicas que ofrece la econo-
metrı́a para realizar análisis de variables. El curso presenta 3 niveles donde en
primer lugar se ven los aspectos de la utilización de R, el análisis de variables
microeconómicas y finalmente el estudio de datos que siguen una secuencia a
través del tiempo.

2. Objetivos
Conocer las diversas aplicaciones de R para realizar análisis econométrico
de una base de datos.

Realizar análisis y estimar modelos microeconométricos con las herramien-

tas que ofrece este programa.
Desarrollar modelos y estimar pronósticos de series de tiempo con el len-
guaje de programación de R.

3. Contenido
3.1. Nivel Básico
En el Nivel Básico se podrá conocer las técnicas básicas de análisis eco-
nométrico, tanto a nivel teórico como a nivel práctico, por medio del lenguaje
de programación R, el curso ahondará principalmente en el uso de estas herra-
mientas con ejemplos basados en investigaciones hechas.

1
 Econometrı́a Aplicada con R

SESIÓN 1: INTRODUCCIÓN A R
¿Qué es R?
Breve historia de R.
Iniciando sesión con R.
R como calculadora.
Directorio de trabajo.
Paquetes en R.

SESIÓN 2: EDITORES ESPECIALIZADOS

Instalación y reconocimiento de RCommander (Rcmdr).
Instalación y reconocimiento de RStudio.
Personalizando RStudio.

SESIÓN 3: EXPLORACIÓN Y MANIPULACIÓN DE DATOS

Ingresar datos desde el teclado.
Importar y exportar datos (Texto, Stata, Excel).
Exportar datos en formato de R.
Fusión de conjunto de datos.

SESIÓN 4: ESTADÍSTICA DESCRIPTIVA

Medidas para variables cualitativas.
Medidas para variables cuantitativas.
Gráficos para variables cualitativas.
Gráficos para variables cuantitativas.

SESIÓN 5: ANÁLISIS GRÁFICO EN R

Gráficos Univariables.
Gráfico de sectores.
Gráficos de barras.
Diagrama de Cajas.
Histogramas.
Gráficos multivariables.
Gráficos de dispersión.
Matriz de dispersión.

2
 Econometrı́a Aplicada con R

SESIÓN 6: MODELO DE REGRESIÓN LINEAL

Regresión lineal simple.
Regresión lineal múltiple.
Bondad de ajuste y significancia.
Supuestos del modelo de regresión lineal.

SESIÓN 7: ERROR DE ESPECIFICACIÓN

Error de especificación.
Subajuste del modelo.
Sobreajuste del modelo.
Prueba RESET.
Prueba RESET en R.

SESIÓN 8: MULTICOLINEALIDAD
Multicolinealidad.
Detección de la multicolinealidad.
Multicolinealidad en R.
Soluciones a la multicolinealidad.

SESIÓN 9: HETEROSCEDASTICIDAD

Heteroscedasticidad.
Detección de la heteroscedasticidad.
Solución a la heteroscedasticidad.

SESIÓN 10: AUTOCORRELACIÓN SERIAL

Autocorrelación.
Detección de la autocorrelación.
Soluciones a la autocorrelación.

3.2. Nivel Intermedio

En el Nivel Intermedio se podrá conocer las técnicas relacionadas al análisis
microeconométrico, se verán diversos métodos para el análisis de datos de corte
transversal, modelos de elección discreta y datos de panel, entre otros.

3
 Econometrı́a Aplicada con R

SESIÓN 1: INTRODUCCIÓN A VARIABLES EXÓGENAS CUALITATIVAS

Creación de variables dummy.
Modelos ANOVA.
Modelos ANCOVA.
Efectos de las variables cualitativas en los modelos.

SESIÓN 2: MODELOS DE ELECCIÓN DISCRETA BINARIA

Modelos de elección discreta binaria.
Modelo lineal de probabilidad.
Modelo Logit.
Modelo Probit.

SESIÓN 3: MODELOS DE RESPUESTA ORDINAL

Datos ordenados.
Modelos de alternativas ordenadas.

SESIÓN 4: MODELOS DE RESPUESTA NOMINAL

Datos de elección multinomial.
Modelo logit multinomial.
Modelo probit multinomial.

SESIÓN 5: MODELOS CON VARIABLE DEPENDIENTE LIMITADA

Datos Censurados.
Datos Truncados.
Problemas de Regresión.
Estimación de datos censurados.
Estimación de datos truncados.

SESIÓN 6: MODELOS CON PANEL DE DATOS

Datos de panel.
Modelos de datos de panel.
Validación del modelo.
Estimación en R.

4
 Econometrı́a Aplicada con R

3.3. Nivel Avanzado

En este curso se podrá conocer las técnicas relacionadas al análisis de series
de tiempo, se verán diversos métodos para el análisis de datos de con estructura
temporal, modelos autorregresivos y de tendencia, entre otros.

SESIÓN 1: INTRODUCCIÓN A LAS SERIES DE TIEMPO

Series de tiempo.
Series de tiempo en R.
Gráficos de series de tiempo.
Componentes de una serie de tiempo.

SESIÓN 2: PROCESOS ESTOCÁSTICOS

Procesos estocásticos estacionarios.
Proceso de ruido blanco.
Proceso random walk.
La autocorrelación.
Modelos autorregresivos (AR).

SESIÓN 3: REGRESIÓN EN SERIES DE TIEMPO

Modelos lineales.
Ajuste del modelo.
Modelos con variables estacionales.
Modelos no lineales.
Pronósticos para regresiones.

SESIÓN 4: MODELOS ESTACIONARIOS

Series estrictamente estacionarias.
Modelos de medias móviles.
El proceso ARMA.

SESIÓN 5: MODELOS NO ESTACIONARIOS

Modelos ARIMA no estacionales.
Modelos ARIMA estacionales.
Modelos ARCH.

5
 Econometrı́a Aplicada con R

SESIÓN 6: MODELOS MULTIVARIADOS I

Regresión espuria.
Raı́ces Unitarias.

SESIÓN 7: MODELOS MULTIVARIADOS II

Cointegración.
Modelos de vectores autorregresivos (VAR).

(*) El curso está estructurado en sesiones, donde cada sesión contiene

los temas expuestos anteriormente desarrollados de manera teórica
y práctica. Se cuenta con archivos del curso para desarrollar sesión
tras sesión. Teniendo en cuenta que se le hace llegar una autoeva-
luación en cada sesión ası́ como una evaluación final de cada nivel
correspondiente. Calidad garantizada.