PRIMER QUADRIMESTRE. Econometria Clàssica i Sèries Temporals
Els temes zero o bé els sub-apartats amb extensió zero s'entenen com a temes de repàs de continguts vistos en cursos anteriors
Tema 0. Finalització de les parts del programa d'introducció a l'econometria no vistes el curs 2002-2003 (multicolinealitat)
Tema 1. Temes en regressió I. Variables exògenes qualitatives i Pertorbacions no esfèriques.
1.0.- Model de regressió múltiple. Especificació, estimació, diagnòstic i ús. Notació matricial.
1.1.- Models amb variables exògenes qualitatives. Aplicacions: efectes estacionals i canvi estructural
1.2.- Pertorbacions no esfèriques, concepte, causes i conseqüències sobre l’estimació per MQO.
Tema 2. Temes en regressió II. Variables endògenes qualitatives. Models d’elecció binària.
2.0.- Distribució de Bernouilli. Mètode d’estimació de màxima versemblança, i contrastos associats (Wald, multiplicadors de Lagrange i raó de versemblances).
2.1.- El model lineal de probabilitat.
2.2.- El model logit Especificació i estimació màxim versemblant.
2.3.- Validació del model.
2.4.- El model probit. El model logit multinomial.
Tema 3. Models univariats de sèries temporals.
3.1.- Conceptes preliminars: processos estocàstics, estacionarietat, funcions d’autocorrelació.
3.2.- Processos estocàstics estacionaris, autorregressius (AR), de mitjanes mòbils (MA), mixtos (ARMA) i integrats (ARIMA)
3.3.- La metodologia Box-Jenkins.
3.4.- Predicció puntual i per interval.
3.5.- Models estacionals (SARIMA).
Tema 4. Models economètrics dinàmics.
4.1.- Models de regressió amb retards en les variables exògenes o en l’endògena.
4.2.- Introducció al model de la funció de transferència.
4.3.- Variables qualitatives: anàlisi d’intervenció.
SEGON QUADRIMESTRE: Anàlisi multivariada
Tema 1. Introducció a l’anàlisi multivariada
1.0.- Repàs d’àlgebra matricial. Variables centrades i estandarditzades; matrius de covariàncies i correlacions.
1.1.- Tècniques d’ interdependència.
1.2.- Classificació i objectius de les tècniques.
Tema 2. Anàlisi en components principals
2.1.- Concepte. Objectiu. Reducció de la dimensionalitat.
2.2.- Perspectiva geomètrica.
2.3.- Analisi exploratòria de les dades. Dades mancants.
2.4.- Algorisme de càlcul.
2.5.- Interpretació dels valors propis. Matriu de residus. Nombre de components a retenir.
2.6.- Interpretació de les components. Saturacions. Representació d’individus i variables. Rotació. Variables il·lustratives.
2.7.- Variables no estandarditzades.
Tema 3. Anàlisi de correspondències múltiple
3.1.- Recodificació binària de les variables.
3.2.- Matriu que es sotmet a l’anàlisi.
3.3.- Nombre d’eixos a retenir. Correccions a la bondat d’ajust.
3.4.- Interpretació dels eixos. Coordenades i contribucions absolutes. Variables il·lustratives.
3.5.- Tractament de dades mancants.
Tema 4. Anàlisi de conglomerats o cluster analysis.
4.1.- Introducció i objectiu.
4.2.- Decisions prèvies sobre la matriu de dades.
4.3.- Selecció de la mesura de similaritat o dissimilaritat.
4.4.- Algorismes d’agregació jeràrquics. Dendrograma.
4.5.- Algorismes de partició no jeràrquics.
4.6.- Interpretació i Diagnòstic. Variables il·lustratives.
Tema 5. Anàlisi factorial exploratòria
5.1.- Model d’anàlisi factorial exploratòria (AFE). Objectiu. Mesura. Dimensionalitat latent.
5.2.- Formulació del model. Supòsits. Paràmetres i interpretació.
5.3.- Estimació.
5.4.- Diagnòstic del model. Nombre de factors.
5.5.- Anàlisi de resultats. Comunalitat. Interpretació: saturacions i saturacions rotades.
5.6.- Ús del model. Fiabilitat i validesa.