- Máster Universitario en Educación y Recursos Digitales (Elearning)
- Máster Universitario en Neuropsicología
- Máster Universitario en Psicopedagogía
- Máster Universitario en Dirección y Gestión de Centros Educativos
- Máster Universitario en Educación Inclusiva y Personalizada
- Máster Universitario en Psicología General Sanitaria
- Máster Universitario en Formación del Profesorado de Educación Secundaria, Bachillerato, Formación Profesional y Enseñanza de Idiomas
- Formación Pedagógica para el Acceso a la Profesión Docente de Formación Profesional
- Máster Universitario en Dirección y Administración de Empresas (MBA)
- Máster Universitario en Dirección Económico-Financiera
- Máster Universitario en Auditoría de Cuentas
- Máster Universitario en Dirección y Gestión Contable
- Máster Universitario en Marketing Digital y Redes Sociales
- Máster Universitario en Dirección Comercial y Marketing
- Máster Universitario en Asesoría Fiscal
- Máster Universitario en Práctica de la Abogacía y de la Procura
- Máster Universitario en Dirección y Gestión de Recursos Humanos
- Máster Universitario en Asesoría Jurídico-Laboral
- Máster Universitario en Prevención de Riesgos Laborales
- Máster Universitario en Análisis e Investigación Criminal
- Máster Universitario en Asesoría Jurídica de Empresas
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
Econometría
| Código de la asignatura | 1089 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Optativa |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2024-25 |
En esta asignatura de carácter optativo del grado en ADE se imparten dos bloques de contenidos bien diferenciados. Por una parte se analizan los principales instrumentos que sirven para realizar inferencia estadística. Es decir, a partir de las resultados derivados del análisis de muestras aleatorias, extraídas de una población a través de los diferentes métodos de muestreo existentes, se sacan conclusiones sobre la población original. Por tanto, el primer objetivo de la asignatura de Econometría es que el estudiante conozca y comprenda los conceptos fundamentales de la Estadística Inferencial tales como el muestreo, las distribuciones en el muestreo, la estimación de los parámetros poblacionales mediante métodos puntuales o por intervalos y los contrastes de hipótesis tanto paramétricos como no paramétricos.
Así mismo, entrando en el temario econométrico propiamente dicho, los contenidos que en él se estudian configuran el último escalón en la formación estadístico-económica de un graduado en ADE y posibilitan que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación se generaliza dicho modelo a múltiples variables y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son la multicolinealidad, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas.
- Capacidad para emitir informes de asesoramiento contable, fiscal, financiero, etc. sobre situaciones concretas de empresas y mercados.
- Capacidad para elaborar proyectos de gestión global o de áreas funcionales de la empresa.
- Capacidad para identificar las fuentes de información económica relevante y su contenido.
- Capacidad para entender las instituciones económicas como resultado y aplicación de representaciones teóricas o formales acerca de cómo funciona la economía.
- Capacidad de análisis y síntesis.
- Creatividad en la implantación de las soluciones más adecuadas en un entorno concreto.
- Capacidad para la toma de decisiones.
- Habilidad para resolver problemas complejos.
- Capacidad para trabajar en equipo y repartir la carga de trabajo para afrontar problemas complejos así como para liderarlos, motivarlos e integrarlos.
- Obtener estadísticos muestrales y caracterizar las distribuciones de probabilidad que los representan.
- Aproximar los valores de los parámetros desconocidos de una población mediante la estimación y el contraste de hipótesis.
- Efectuar inferencias sobre los parámetros de una población.
- Desarrollar tests de bondad de ajuste para verificar si una muestra procede de una determinada distribución de probabilidad poblacional.
- Realizar análisis empírico de una variedad de problemas económicos.
- Ajustar modelos de regresión múltiple e interpretar los resultados derivados de su aplicación como herramienta de análisis cuantitativo económico.
- Analizar la presencia de multicolinealidad, heteroscedasticidad y autocorrelación en el modelo de regresión lineal múltiple.
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA.
El aprendizaje se apoyará en tres tipos de acciones:
- Estudio comprensivo, que no simple memorístico, de los materiales didácticos (Unidades didácticas del manual de referencia, documentos del aula virtual, material multimedia....).
- La realización de actividades autocomprobación o ejercicios voluntarios propuestos al final de cada unidad didáctica del manual (que no son objeto de evaluación por el profesor).
- La realización de actividades en el Aula Virtual, actividades de tres tipos (de Evaluación Continua, de Aprendizaje, o Controles), que sirven para consolidar y comprender mejor los conceptos adquiridos de los materiales didácticos.
Se trata de una asignatura eminentemente práctica por lo que el alumno una vez estudiados los conceptos teóricos debe intentar resolver los supuestos prácticos que acompañan a estas explicaciones para poder constatar la comprensión del tema.
La realización de las pruebas de evaluación deberá llevarse a cabo una vez estudiadas las unidades a las que hace referencia cada prueba planteada, de manera que el alumno pueda constatar sus progresos en el conocimiento de la asignatura.
Para ello, y dada la importancia de esta metodología, el alumno debe desde la primera semana conocer al detalle esta Guía Docente con su planificación de Actividades y acceder al aula virtual para comenzar a realizar las actividades didácticas previstas.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 40%
- Supuestos y casos prácticos: 20%
- Lectura de artículos: 10%
- Búsqueda de información: 10%
- Redacción o realización de informes: 10%
- Acción tutorial: 5%
- Evaluación: 5%
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 |
|
|
| Semana 2 | Tema 1. Teoría elemental del muestro: métodos y distribuciones de muestreo 1.1. Teoría del muestreo. Definición 1.2. Tipos de muestreo 1.3. Distribuciones de (o en el) muestreo |
|
| Semanas 3 y 4 | Tema 2. Teoría de la estimación estadística. Estimación puntual y estimación por intervalo 2.1. Introducción a la estimación de parámetros 2.2. Definiciones fundamentales 2.3. Principales propiedades de los estimadores puntuales 2.4. Métodos de obtención de estimadores puntuales 2.5. Estimación por intervalos. Conceptos previos |
|
Semana 5 |
Tema 3. Teoría estadística de las decisiones (I). Conceptos fundamentales y contrastes de hipótesis paramétricos. 3.1. Conceptos fundamentales de los contrastes de hipótesis 3.2. Fases para la realización de un contraste de hipótesis 3.3. Contrastes clásicos. Contrastes de hipótesis paramétricos |
|
| Semanas 6 y 7 | Tema 4. Teoría estadística de las decisiones (II). Contrastes de hipótesis no paramétricos 4.1. Introducción a la estadística no paramétrica 4.2. Contrastes no paramétricos para una muestra 4.3. Contrastes no paramétricos para el caso de dos muestras independientes 4.4. Contrastes no paramétricos para varias muestras independientes 4.5. Contrastes no paramétricos para dos muestras relacionadas |
|
| Semana 8 | Tema 5. El modelo de regresión lineal con dos variables. El modelo de regresión lineal clásico normal 5.1. Definición de econometría 5.2. Componentes de un modelo econométrico: datos, ecuaciones, variables, parámetros y término de perturbación 5.3. Modelo de regresión con dos variables 5.4. Estimación del modelo por Mínimos Cuadrados Ordinarios (MCO) 5.5. Estimación del MRLCN mediante intervalos de confianza 5.6. Contrastes de hipótesis y predicción |
|
| Semana 9 | Tema 6. El modelo de regresión lineal múltiple (I). El MRLM generalizado 6. 1. Especificación del Modelo de Regresión Lineal Múltiple (MRLM) 6.2. Hipótesis del modelo de regresión lineal múltiple 6.3. Estimación del modelo de regresión lineal múltiple por Mínimos Cuadrados Ordinarios (MCO) 6.4. Estimación del modelo de regresión lineal múltiple por máxima verosimilitud 6.5. Medición de la bondad del ajuste 6.6. Contrastes de significación de los parámetros del modelo de regresión lineal múltiple 6.7. Predicción en el modelo de regresión lineal múltiple |
|
| Semanas 10 y 11 | Tema 7. El modelo de regresión lineal múltiple con restricciones lineales 7.1. Especificación del modelo de regresión lineal múltiple con restricciones lineales. Formulación matricial 7.2. Contraste de las restricciones lineales. Cálculo del estadístico de prueba 7.3. Estimación por mínimos cuadrados restringidos. Propiedades de los estimadores restringidos 7.4. Análisis de la permanencia estructural del modelo de regresión lineal múltiple con restricciones lineales. Contrastes de Chow |
|
| Semana 12 | Tema 8. Violación de los supuestos del modelo clásico (I): Errores de especificación y multicolinealidad, ¿qué pasa si las variables explicativas tienen una relación lineal perfecta? 8.1. Errores de especificación en el MRLM 8.2. Definición de multicolinealidad 8.3. Consecuencias de la existencia de multicolinealidad en la estimación 8.4. ¿Cómo se detecta la existencia de multicolinealidad en el MRLM? 8.5. Soluciones ante la presencia de multicolinealidad |
|
| Semana 13 | Tema 9. Violación de los supuestos del modelo clásico (II): Heteroscedasticidad, ¿qué pasa si la varianza del error no es constante? 9.1. Planteamiento general de la existencia de heteroscedasticidad en el modelo de regresión lineal múltiple 9.2. ¿Cómo se detecta la heteroscedasticidad? 9.3. Estimación del MRLM con heteroscedasticidad. Mínimos Cuadrados Generalizados (MCG) y Mínimos Cuadrados Ponderados (MCP) |
|
| Semanas 14 y 15 | Tema 10. Violación de los supuestos del modelo clásico (III): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 10.1. Planteamiento general de la existencia de autocorrelación en el modelo de regresión lineal múltiple 10.2. Esquemas de autocorrelación en el término de perturbación 10.3. ¿Cómo se detecta la autocorrelación? |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Actividades de aprendizaje | 2 | 10% |
| Actividades de Ebaluación Continua (AEC) | 4 | 20% |
| Controles | 4 | 10% |
| Examen final | 0 | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU) 5.0 - 6.9: Aprobado (AP) 7.0 - 8.9: Notable (NT) 9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).