Syllabus II Curso de Econometra Aplicada para la Investigacin Econmica Lima, 5 de agosto de 2011

1. Equipo Docente: Viviana Cruzado Ministerio de Economa y Finanzas. E-mail: vcruzado@mef.gob.pe Henry Espinoza Ministerio de Economa y Finanzas. E-mail: hespinoza@mef.gob.pe Gustavo Leyva Universidad de Minnesota. E-mail: leyva004@umn.edu Stanislao Maldonado Universidad de California, Berkeley. E-mail: smaldonadoz@berkeley.edu Carlos Mendiburu Banco Central de Reserva del Per. E-mail: carlos.mendiburu@bcrp.gob.pe Freddy Rojas Universidad de Rutgers. E-mail: frojas@economics.rutgers.edu Jos A. Valderrama Torres Ministerio de Economa y Finanzas. E-mail: jvalderrama@mef.gob.pe 2. Objetivo general y descripcin bsica del curso. El objetivo general del curso es contribuir a la formacin de investigadores en las universidades del pas mediante el entrenamiento en el uso intensivo de mtodos estadsticos y economtricos modernos. En ese sentido, este curso es esencialmente metodolgico y pondr especial nfasis en el diseo de investigacin y el uso de la econometra como herramienta para testear hiptesis econmicas de inters ms que en la discusin de las propiedades tericas de estimadores.

En un sentido ms general, el curso pretende contribuir a cerrar las brechas en trminos de formacin en mtodos cuantitativos que todava existen con los egresados de universidades del pas. En esa direccin, los participantes del curso sern entrenados en el uso de mtodos economtricos avanzados, aprendern como implementarlos mediante el uso de software especializado, incluyendo STATA y GAUSS, y cmo relacionarlos con el diseo de una investigacin especfica. Dado el nfasis metodolgico del curso, se pondr especial atencin al trabajo con los participantes en el diseo de propuestas de investigacin. En la seccin 9 se incluyen los temas de investigacin de los docentes del curso. El curso se compone de un mdulo de microeconometra aplicada bajo responsabilidad de Henry Espinoza, Stanislao Maldonado, Carlos Mendiburu y Jos Valderrama, y un modulo de macroeconometra aplicada a cargo de Viviana Cruzado, Gustavo Leyva y Freddy Rojas. En total, el curso contiene 48 horas de clases terico-prcticas. Detalles sobre los tpicos a cubrirse en cada seccin se proveen en la seccin 6. Aunque buena parte del material del curso se cubre a nivel de postgrado, solo se requiere de parte de los participantes conocimiento de econometra bsica a nivel del Johnston y Dinardo (1997). El curso es un esfuerzo conjunto de los profesionales que lo dictarn (todos ellos con formacin de postgrado en el exterior en universidades de Estados Unidos, Europa y Amrica Latina), el Instituto Per de la Universidad San Martin de Porres y el Consorcio de Investigacin Econmica y Social (CIES). 3. Duracin y horario. El curso se dictar desde el 27 de agosto al 10 de septiembre del 2011. El horario de clases ser de 6:00 pm a 10:00 pm durante los das de semana. Las das sbados las clases se dictarn entre las 4:00 pm y 8:00 pm. El curso incluye una sesin de nivelacin en STATA y de revisin de econometra bsica el da sbado 27 de agosto. 4. Ubicacin. Las clases se dictarn en el Instituto Per de la Universidad San Martin de Porres, sito Avenida Javier Prado Oeste 580, San Isidro. 5. Pblico objetivo y proceso de seleccin. El curso est dirigido a estudiantes de ltimo ao y/o recin egresados de las universidades del pas, aunque se le dar prioridad a los egresados de universidades pblicas y del interior del pas. Los interesados en participar debern proveer la siguiente informacin: Los requisitos para participar en el curso consisten en: a) Carta de acreditacin de universidad o centro asociado b) Constancia de egresado o constancia de matrcula para alumnos de economa del ltimo ao. c) Edad mxima del participante: 30 aos (nacidos a partir de 1981) d) Envo del currculum vitae (el formato tambin puede descargarse de la siguiente direccin http://www.scribd.com/doc/32919892/FormatoCV-CIES); e) Una propuesta de investigacin simple, mximo 2 mil palabras (ver punto 10 de syllabus adjunto) Los interesados pueden enviar los documentos requeridos a cursos@cies.org.pe hasta el da viernes 19 de agosto. Los resultados finales del proceso de seleccin estarn disponibles el martes 23 de agosto.

El curso no tendr costo alguno para los participantes seleccionados bajo el compromiso de asistencia y dedicacin exclusiva al mismo. El CIES brindar un cupo limitado de apoyo econmico para los participantes de las instituciones asociadas al CIES de regiones (reembolso de pasajes terrestres, previa coordinacin, contra entrega de sus respectivos boletos y S/.500 soles de viticos) Dada la experiencia del primer curso, es importante enfatizar que el curso requiere dedicacin exclusiva de parte de los participantes pues la carga de trabajos prcticos y lecturas es significativa. Postulantes que no estn en la capacidad de cumplir con lo anterior, abstenerse por favor. 6. Programa El curso se divide en dos mdulos: microeconometra y macroeconometra. 6.1. Microeconometra El modulo de microeconometra estar basado en los siguientes textos, adems de los artculos indicados en cada seccin: Nivel introductorio: Stock, James y Mark Watson (2007). Introduction to Econometrics. Pearson/Addison Wesley. (SW) Nivel intermedio/avanzado: Cameron, A. Colin y Pravin Trivedi (2005). Microeconometrics. Cambridge University Press. (CT) Wooldridge, Jeffrey (2001). Econometric Analysis of Cross-section and Panel Data. MIT Press. (JW) Lee, Myoung-Jae (2005). Micro-Econometrics for Policy, Program, and Treatment Effects. Oxford University Press. (ML) Millimet, Daniel; Jeffrey Smith y Edward Vytlacil (2008). Modelling and Evaluating Treatment Effects in Econometrics. Advances in Econometrics Vol. 21. Elservier Ltd. (MSV) Otros textos relevantes: Angrist, Joshua and Jorn-Steffen Pischke (2009). Mostly Harmless Econometrics: An Empiricists Companion. Princeton University Press. (AP) Morgan, Stephen and Christopher Winship (2007). Counterfactuals and Causal Inference: Methods and Principles for Social Research. Cambridge University Press. (MW) Rubin, Donald (2006). Matched Sampling for Causal Effects. Cambridge University Press. (DR) Shadish, William; Thomas Cook and Donald Campbell (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin Company. (SCC) Pearl, Judea (2000). Causality: Models, Reasoning, and Inference. Cambridge University Press. (JP) Tpico 1: Causalidad, modelos estructurales y el enfoque de resultados potenciales Responsable: Stanislao Maldonado. Sumilla: Introduccin al curso. Introduccin al diseo de investigacin. Enfoques causales en economa. Modelos estructurales versus modelos de enfoques potenciales. Epistemologa. Ejemplos. Bibliografa bsica: Holland, P. W. (1986). Statistics and Causal Inference, Journal of the American Statistical Association, 81, 945-970.

Heckman, James (2000). Causal Parameters and Policy Analysis in Economics: A Twentieth Century Perspective, Quarterly Journal of Economics, 115, 45-97. Hoover, Kevin (2006). Causality in Economics and Econometrics. Paper prepared for the New Palgrave Dictionary of Economics. Bibliografia suplementaria: Heckman, James (2005). A Scientific Model of Causality, Sociological Methodology, 35, 1-150. Holmes, Thomas (2009). Structural, Experimentalist and Descriptive Approaches to Empirical Work in Regional Economics. Mimeo. Tpico 2: Diseos experimentales, seleccin sobre observables y regresiones ajustadas. Responsables: Stanislao Maldonado. Sumilla: Experimentos y el enfoque de resultados potenciales. Problemas con experimentos. Experimentos y regresin. Funcin de expectativas condicionadas y regresin como herramienta estadstica. Introduccin a modelos de seleccin sobre observables. Bibliografa bsica: Deaton, Angus (1997). The Analysis of Household Surveys: A Microeconomic Approach to Development Policy. The World Bank Publications. Duflo, Esther; Rachel Glannester and Micheal Kremer (2008). Using Randomization in Economic Development Research: A Toolkit. Handbook of Development Economics, Vol. 4, Elservier Science. Banerjee, Abhijit and Esther Duflo. The Experimental Approach to Development Economics. NBER Working Paper 14467. SW, Chapter 13. AP, Chapter 2 y 3.1-3.2. MW, Chapter 5. CT, Sections 4.1-4.4. JW, Chapter 4. Bibliografia suplementaria: LaLonde, Robert (1986). Evaluating the Econometric Evaluations of Training Programs with Experimental Data, American Economic Review, 76, 604-620. Heckman, James (1995). Assessing the Case for Social Experiments, Journal of Economic Perspectives, 9, 85-110. Bruhn, Miriam and David McKenzie (2008). "In Pursuit of Balance." World Bank Policy Research Working Paper 4752. SSC, Chapter 1. Tpico 3: Anlisis de datos en encuestas con diseo complejo Responsables: Jos A. Valderrama Torres. Sumilla: Las propiedades estadsticas que se deriva del anlisis de una Muestra Aleatoria Simple (MAS) no necesariamente se mantienen cuando la muestra no es seleccionada mediante esta estrategia. El

anlisis de datos de encuestas con diseo complejo requiere de un tratamiento diferenciado para la obtencin de estimadores correctos. El objetivo de este mdulo es estudiar las consecuencias de no incluir el diseo de una encuesta en el anlisis estadstico as como tambin discutir el tratamiento que se le debe asignar al anlisis economtrico, en particular en el anlisis de regresin convencional. Bibliografa bsica: Cameron, A.C. and P. Trivedi (2005). Microeconometrics: Methods and Applications, Cambridge University Press. [Captulo 24] Deaton Angus (1997). The Analysis of Household Surveys. A Microeconometric Approach to Development Policy. [Captulos 1 y 2] DuMouchel, W. H. and G. J. Duncan (1983). Using Sample Survey Weights in Multiple Regression Analyses of Stratified Samples. Journal of the American Statistical Association 78: 535-543. Winship, C. and L. Radbill (1994). Sampling Weights and Regression Analysis. Sociological Methods and Research 23: 230-257. Tpico 4: Mtodos no paramtricos, estimacin de densidades de Kernel y mtodos de emparejamiento Responsables: Carlos Mendiburu. Sumilla: Introduccin a la econometra no paramtrica. Estimacin de densidades. Sesgo y varianza. Introduccin a los mtodos de emparejamiento. Mtodos basados en el propensity score. Otros mtodos de emparejamiento. Bibliografa bsica: AP, Chapter 3.1-3.2. MW, Chapter 4. DR, Chapters 10 and 12. ML, Chapter 4. Imbens, Guido (2004). Nonparametric Estimation of Average Treatment Effects Under Exogeneity: A Review, Review of Economics and Statistics, 86, 4-29. Bibliografia suplementaria: Dehejia, Rajeev and Sadek Wahba (1999). Causal Effects in Non-Experimental Studies: Reevaluating the Evaluation of Training Programs, Journal of the American Statistical Association, 94, 1053-1062. Smith, Jeffrey and Petra Todd (2005). Does Matching Overcome LaLondes Critique of Nonexperimental Methods?, Journal of Econometrics, 125, 305-353. Arceneaux, Kevin; A. S. Gerber and D. P. Green (2006). Comparing Experimental and Matching Methods Using a Large-Scale Voter Mobilization Experiment, Political Analysis, 14, 37 - 62. Tpico 5: Seleccin sobre no observables, experimentos naturales y diferencias en diferencias Responsables: Stanislao Maldonado.

Sumilla: Introduccin a los mtodos de seleccin sobre no observables. Experimentos naturales. Introduccin a los datos de panel. Efectos fijos y efectos aleatorios. Introduccin a paneles dinmicos. Mtodos de diferencias en diferencias. Bibliografa bsica: AP, Chapter 5. CT, Chapter 21. JW, Chapter 10. Meyer, Bruce (1995). Natural and Quasi-Natural Experiments in Economics, Journal of Business and Economic Statistics, 13, 151-161. Bibliografia suplementaria: ML, Sections 4.5-4.6. Rosenzweig, Mark and Kenneth Wolpin (2000). Natural "Natural Experiments" in Economics. Journal of Economic Literature, 38, 827-874. Bertrand, Marianne; Esther Duflo and Sendhil Mullainathan (2004). How Much Should We Trust Differences-in-Differences Estimates? Quarterly Journal of Economics, 119, 249-275. Tpico 6: Variables instrumentales y mtodos de regresin discontinua Responsables: Carlos Mendiburu y Stanislao Maldonado. Sumilla: Introduccin a las variables instrumentales. Problemas con instrumentos dbiles. Efectos heterogneos de tratamiento. Estimador local de efectos promedios del tratamiento (LATE). Introduccin a los mtodos de regresin discontinua. Regresiones discontinuas paramtricas y no paramtricas. Bibliografa bsica: JW, Chapter 5. AP, Chapter 4. MW, Chapter 7. Angrist, Joshua; Guido Imbens and Donald Rubin (1996). Identification of Causal Effects Using Instrumental Variables, Journal of the American Statistical Association, 91, 444-455. Heckman, James (1997). Instrumental Variables: A Study of Implicit Behavioral Assumptions in One Widely Used Estimator. Journal of Human Resources, 32, 441-462. CT, Section 25.6 AP, Chapter 6. Hahn, J., P. Todd, and W. van der Klaauw (2001). Estimation of Treatment Effects with a RegressionDiscontinuity Design, Econometrica, 69, 201-209. Imbens, Guido and Thomas Lemieux (2008). Regression Discontinuity Designs: A Guide to Practice, Journal of Econometrics, 142, 615-635. Bibliografa suplementaria: Imbens, Guido W. and Joshua Angrist (1994). Identification and Estimation of Local Average Treatment Effects, Econometrica, 62, 467-475. Angrist, Joshua (2004). Treatment Effect Heterogeneity in Theory and Practice, Economic Journal, 114, C52-C83.

Bound, J., D. Jaeger, and R. Baker (1995). Problems with Instrumental Variables Estimation when the Correlation between the Instruments and the Endogenous Explanatory Variables is Weak, Journal of the American Statistical Association, 90, 443450. Lee, David and Thomas Lemieux (2009). Regression Discontinuity Design in Economics. NBER Working Paper 14723.

Tpico 7: Modelos de Duracin Responsables: Henry Espinoza. Sumilla: El modulo tiene por objetivo introducir a los estudiantes en el anlisis de modelos de duracin. El curso cubre temas de especificacin, identificacin y estimacin de modelos para single-spell data. Durante el desarrollo del curso y en la aplicacin de los distintos mtodos, se discutirn temas en el campo de la economa laboral y capital humano. En todo momento se mostrarn los comandos correspondientes para el desarrollo de los ejemplos en STATA. Lo cual requiere un conocimiento bsico del software. Introduccin y problemas de especificacin. Conceptos Bsicos. Muestreo y Censura. Data de duracin en STATA. Anlisis No-Paramtrico. Anlisis Semi-Paramtrico. Anlisis Paramtrico. Introduccin a algunas extensiones. Bibliografa bsica: Cameron, A.C. and P. Trivedi (2005). Microeconometrics: Methods and Applications, Cambridge University Press. [Captulos 17 y 18] Jenkins, Stephen P. (2004). Survival Analysis. Unpublished manuscript, Institute for Social and Economic Research, University of Essex, Colchester, UK. 6.2. Macroeconometra El curso de macroeconometria comienza con la revision de un curso basico de econometria, muy similar a los dictados en el pre-grado. El proposito de esta seccion es repasar los siguientes topicos: estimacion por minimos cuadrados ordinarios y maxima verosimilitud, inferencia estasdistica, violacion de suouestos del modelo de regresion lineal general (revision de consecuencias), la estimacion generalizada factible y no factible, y experimentos de montecarlo. Tpico 1: Macroeconometra, extraccin y medicin de informacin cclica Responsables: Freddy Rojas. Sumilla: En este mdulo se repasarn los principios estadsticos de las estimaciones lineales y se iniciar la discusin de los filtros que se utilizan en la literatura econmica para medir el ciclo econmico. Asimismo, se repasarn las principales metodologas utilizadas mostrando sus ventajas, desventajas y limitaciones. Tambin es propsito de este captulo ensear a los estudiantes los mtodos de llenado de informacin o ms comnmente conocidos como metodologas de interpolacin y extrapolacin. Bibliografa bsica: Canova, Favio (2007). Methods for Applied Macroeconomic Research. Princeton University Press.

Bibliografia suplementaria: Nelson, Charles (2006). The Beveridge-Nelson decomposition in retrospect and prospect. Washington University Working Paper. Morley, J.C (2002). A state-space approach to calculating the Beveridge-Nelson decomposition. Economic Letters 75, 123-127. Guay, A. and P. St-Amant (1997). Do the Hodrick-Prescott and Baxter-King filters provide a good approximation of business cycles?. Universit du Qubec Montral Working paper 53. Beveridge, S and C. R. Nelson (1981). A new approach to the decomposition of economic time series into permanent and transitory components with particular attention to measurement of the business cycle. Journal of Monetary Economics 7 151-174 (1981). Denton, F. (1971). Adjustment of monthly or quarterly series to annual totals: An approach based on quadratic minimization. Journal of the American Statistical Association. Tpico 2: Mtodos de solucin de problemas de optimizacin y de ecuaciones no-lineales Responsables: Gustavo Leyva. Sumilla: En este mdulo se repasara brevemente la utilizacin de Gauss. Posteriormente, se desarrolla el tpico de optimizacin y los mtodos de solucin de ecuaciones no-lineales. Bibliografa bsica: Judd, Kenneth (1998). Numerical methods in Economics. The MIT Press. Tpico 3: Cuantificacin de riesgos Responsables: Viviana Cruzado. Sumilla: El curso tiene por objetivo el estudio de diferentes herramientas estadsticas para la gestin de riesgos en banca, compaas aseguradoras e instituciones similares. El contenido del curso tiene 3 topicos: i. Modelos multivariantes de gestin de riesgos; ii. Medidas de riesgo (Value at Risk) y iii. Teora de los valores extremos. Bibliografa bsica: McNeil, A.J., Frey, R and Embrechts, P (2005). Quantitative risk management. Princeton: Princeton University. Jorion, P (2006). Value at Risk. The New benchmark form Managing Financial Risk. McGrawHill. Tsay, R (2010). Analysis of Financial Time Series, 3rd Edition. Wiley. Tpico 4: Datos de Paneles Responsables: Freddy Rojas. a. Primera parte: Introduccin a paneles de datos

En esta primera parte se revisa la motivacion y ventajas principales del uso de paneles de datos, asimismo se revisan las 2 principales especificaciones que se pueden encontrar en la literatura de paneles: efectos fijos y efectos aleatorios. El capitulo tambien tiene como objetivo iniciar la elaboracion de codigos en GAUSS para la estimacion de estas especificaciones. Este capitulo es introductorio y se recomienda revisar el capitulo 1 del libro de Baltagi. Referencias B. Baltagi. Econometric Analysis of Panel Data. John Wiley (2001). b. Segunda parte: Heterogeneidad observada en el componente del error. En esta segunda parte se revisa en detalle las especificaciones de efectos fijos y aleatorios (modelos de heterogeneidad observada en el componente del error). En este captulo tambin se realizan pruebas estadsticos para evaluar si los datos pueden avalar una estimacin pool como una forma alternativa a un modelo de panel. En esta segunda parte se recomienda la lectura de B. Baltagi y W. Xiong (2000). El capitulo tambin tiene como objetivo iniciar la elaboracin de do files en STATA para la estimacin de estas especificaciones. Referencias B. Baltagi. Econometric Analysis of Panel Data. John Wiley (2001). B. Baltagi and W. Xiong. To pool or not to pool: Homogeneous versus heterogeneous estimators applied to cigarette demand. Review of Economic and Statistics (2000). c. Tercera parte: Heterocedasticidad y correlacion serial en el error. En esta seccin revisamos la construccin de los errores estndar robustos bajo dos escenarios de heterocedasticidad: forma conocida (GLS) y desconocida (FGLS) de la matriz de varianzas y covarianzas. En esta tercera parte se recomienda la lectura de Stock and Watson (2008) y Baltagi (2001). Referencias B. Baltagi. Econometric Analysis of Panel Data. John Wiley (2001). J. Stock and W. Watson. Heteroskedasticity-robust standard errors for fixed effects panel data regression. Econometrica, Vol 76, N(1) pp 155-174 (2008). d. Cuarta parte: Pruebas estadsticas de especificacin. En esta seccin se revisan pruebas estadsticas para efectos individuales y temporales. El capitulo tambin tiene como objetivo iniciar la elaboracin de m-files en MATA para el calculo de los estadsticos. Asimismo se hace una revisin del poder del test de Hausman.

Referencias B. Baltagi. Econometric Analysis of Panel Data. John Wiley (2001). P. Guggenberger. The impact of a hausman pretest on the size of a hypothesis test: The panel data case. Journal of Econometrics (2009). e. Quinta parte: Paneles de datos dinamicos

En esta seccin se revisan los estimadores deAnderson y Hsiao (1981), Arellano y Bond y Arellano (1991) y Bover (1995). Tambin en esta seccin se hace una corta introduccin de paneles macro y se explica en forma general las ventajas de estas especificaciones, para esta seccin se recomienda revisa el captulo 8 de Canova (2007). Se finaliza esta seccin con la revisin del paper de Kiviet (1995) acerca del sesgo, inconsistencia de varios estimadores de panel de datos dinmico. Referencias J. Kiviet. On bias, inconsistency and efficiency of various estimators in dynamic panel data models. Journal of Econometrics, 68 53-78 (1995) M. Arellano and S. Bover. Another look at the instrumental variable estiamtion of error components models. Journal of Econometrics, 68 29-51 (1995). M. Arellano and S. Bond. Some tests of specification for panel data: Montecarlo evidence and an application to employment equations. Review of Economic Studies, 58 277-297 (1991) Anderson and Hsiao, 1981, Estimation of Dynamic Models with Error Components, JASA. f. Sexta parte: Paneles de datos No estacionarios En esta seccin se revisa la reciente utilizacin de paneles de datos no estacionarios; ventajas y limitaciones son discutidas. Durante la sesin se estudiaran casos aplicativos en temas como desalineamiento de tipo de cambio real, convergencia condicional y otros. Bsicamente se termina esta seccin con la estimacin de las pruebas estadsticas de raices unitarias para paneles de datos. Se recomienda la lectura de Shaowen Wu y P. Liu (1999). Referencias W. M. Shaowen Wu and P. Liu. Do panel data rescue purchasing power parity (ppp) theory? In Krishnakumar, J. Ronchetti, E. (Eds.) Panel Data Econometrics: Future Directions (1999). g. Septima parte: Respuestas binarias para modelos de datos de panel. Se finaliza el curso con una introduccin a los modelos de respuesta binaria. Se finaliza con una aplicacin relacionada a los sudden stops para Amrica Latina. Referencias G. C. Alejandro Izquierdo and L. Mejia. Systemic sudden stops: The relevance of balance-sheet eects and financial integration. NBER (2008). J. Wooldridge. Econometric Analysis of Cross-section and Panel Data. MIT press (2001). 7. Materiales. Los materiales del curso sern distribuidos a travs de una pgina web creada para tal fin. Asimismo, la mayor parte de la literatura incluida en el programa ser distribuida en un CD-ROM durante el primer da de clases. 8. Evaluacin. Los participantes sern evaluados durante y luego de la culminacin del curso. Durante el mismo, se realizaran trabajos prcticos cortos para evaluar el progreso en trminos de aprendizaje. El curso incluye un examen final take-home que incluir trabajo con datos. El examen ser diseado con la idea

10

de ayudar a los estudiantes a fijar contenidos fundamentales y a vincular el instrumental economtrico cubierto en el curso con el diseo de una investigacin. 9. Sobre los docentes. El equipo docente est conformado por profesionales jvenes con formacin de postgrado en el exterior y experiencia de trabajo en organismos pblicos y multilaterales. Se incluye una breve resea de cada miembro del equipo y sus intereses acadmicos: Viviana Cruzado: Bachiller en Ciencias Sociales con mencin en Economa de la PUCP, Magster en Economa Aplicada de la Universidad Autnoma de Barcelona y en Estadstica e Investigacin Operativa de la Universidad Politcnica de Catalunya. Actualmente trabaja en la Subdireccin de Estudios e Investigaciones Presupuestales del Ministerio de Economa y Finanzas y comparte sus labores como docente en la Pontificia Universidad Catlica del Per. Henry Espinoza: Economista por la Universidad del Pacfico. Ostenta una Maestra en Proteccin Social y un Doctorado en Evaluacin de Polticas Pblicas por la Universidad de Maastricht. En la actualidad se desempea como Analista de Investigaciones y Estudios Presupuestales en la Direccin de Calidad del Gasto Pblico del Ministerio de Economa y Finanzas y como consultor externo de la CEPAL. Combina esta actividad con la docencia en la Universidad San Martn, en donde ensea los cursos de Econometra y Microeconoma. Gustavo Leyva: Estudi la carrera de economa en la Universidad Agraria La Molina, tiene un grado de maestra en economa en la Universidad de Chile y actualmente est cursando el segundo ao de doctorado en economa en la Universidad de Minnesota. Ha laborado en el Ministerio de Economa de Per, en la Superintendencia de Banca, Seguros y AFP de Per y en la Gerencia de Investigacin Econmica del Banco Central de Chile. Se ha desempeado como docente de macroeconoma en la Universidad de Chile y en la Universidad Diego Portales, en Santiago de Chile. Sus reas de inters son la macroeconoma y econometra. Stanislao Maldonado: Estudi la carrera de economa en la UNMSM y cuenta con el grado de maestra en economa de la Universidad de San Andrs en Buenos Aires y un master in science en economa de recursos por la Universidad de California en Berkeley. En la actualidad es candidato a doctor en economa de recursos en la Universidad de California en Berkeley, en donde se especializa en desarrollo internacional, economa poltica y econometra aplicada. Antes de empezar el doctorado trabajo en el Departamento de Desarrollo Humano para Amrica Latina del Banco Mundial en Washington, DC. Sus temas de investigacin incluyen los tpicos de pobreza, desigualdad, mercados laborales, discriminacin, evaluacin de programas sociales, desnutricin y economa poltica.

Carlos Mendiburu: Economista por la Universidad Nacional de Trujillo, estudi una Maestra en Economa en la Universidad de San Andrs en Argentina y una Maestra en Matemticas Aplicadas en la Pontificia Universidad Catlica del Per. Actualmente trabaja en la Gerencia Central de Estudios Econmicos del Banco Central de Reserva del Per. Comparte sus labores con la docencia en cursos como Microeconometra,

11

Teora de Juegos, y Microeconoma. Sus reas de inters incluyen adems el financiamiento de proyectos de inversin, la evaluacin de programas y la regulacin en sectores de infraestructura. Freddy Rojas: Estudi la carrera de economa en la Universidad Agraria La Molina y tiene un grado de maestra en la Universidad de Chile. En el rea acadmica, ha enseado los cursos de econometra, simulacin en teora de juegos y macroeconoma en las Universidades de Chile y del Desarrollo. Actualmente est cursando el segundo ao de estudios del programa de doctorado en la universidad de Rutgers en Estados Unidos. Anteriormente ha trabajado en consultoras para el Fondo Monetario Internacional, Banco Interamericano de Desarrollo y el Banco Mundial en Washington, D.C. Sus reas de inters son la teora macroeconmica y econometra. Jos A. Valderrama Torres: Ingeniero de la Facultad de Ingeniera Econmica y Ciencias Sociales de la UNI y Magister de Economa de la Universidad de Chile. Actualmente trabaja en la Subdireccin de Estudios e Investigaciones Presupuestales del Ministerio de Economa y Finanzas y comparte sus labores con la docencia en cursos como microeconometra, microeconoma y organizacin industrial. Sus temas de inters incluyen los tpicos de focalizacin de programas sociales, mercado de trabajo, pobreza y desigualdad. 10. Anexo Propuesta de investigacin simple (mximo 2 mil palabras) 1) Ttulo (debe resumir el contenido o tema central de la propuesta) / Autor 2) Objetivos del proyecto y preguntas a responder con la investigacin (max 200 palabras) 3) Metodologa (max 750 palabras) 4) Bibliografa.

Lima, 5 de agosto de 2011

12