Prefacio
1
Introducción
1.1
Marco teórico
¿Qué es la econometría?
¿Qué es la ciencia de datos?
¿Qué es la econoalgoritmia?
1.2
Colofón
1.3
Una breve introducción a
R
y
RStudio
Primeros pasos en R
Trabajar con R
El modelo de desarrollo
1.4
Ejemplos introductorios a sesiones típicas en R
Ejemplo 1: La demanda de revistas de economía
Ejemplo 2: Determinantes de los salarios
1.5
Una breve historia de R
2
Repaso de las nociones fundamentales de R para la econometría y ciencia de datos
2.1
R
como calculadora
Aritmética vectorial
Vectores de subconjuntos
Modelado de vectores
2.2
Operaciones con matrices
Álgebra básica matricial
Modelado de matrices
Combinando matrices
R como lenguaje de programación
La moda de un vector
Vectores lógicos y de caracteres
Más sobre subconjuntos
Listas
Comparaciones lógicas
Coerción
Generación de números aleatorios
Control de flujo
Escritura de funciones
Cálculos vectorizados
Palabras reservadas
2.3
Fórmulas
2.4
Gestión de datos en R
Creación desde cero
Selección de subconjuntos
Importar y exportar
Leer y escribir formatos binarios extranjeros
Interacción con el sistema de archivos y manipulaciones de cadenas
Factores
Valores faltantes
2.5
Orientación a objetos
2.6
Gráficos en
R
La función plot()
Parámetros gráficos
Exportación de gráficos
Anotación matemática de parcelas
2.7
Análisis exploratorio de datos con
R
Una variable numérica
Una variable categórica
Dos variables categóricas
Dos variables numéricas
Una variable numérica y una categórica
Ejercicios
3
Teoría de la probabilidad
3.1
Variables aleatorias y distribuciones de probabilidad
Distribuciones de probabilidad de variables aleatorias discretas
Ensayos de Bernoulli
Valor esperado, media y varianza
Distribuciones de probabilidad de variables aleatorias continuas
La distribución normal
La distribución chi-cuadrado
La distribución t de Student
La distribución F
3.2
Muestreo aleatorio y distribución de promedios muestrales
Media y varianza de la media muestral
Aproximaciones de muestras grandes para distribuciones de muestreo
3.3
Ejercicios
4
Revisión de estadística con R
4.1
Estimación de la media poblacional
4.2
Propiedades de la media muestral
4.3
Pruebas de hipótesis relativas a la media de la población
El valor p (p-Value)
Cálculo del valor p cuando se conoce la desviación estándar
Varianza de muestra, desviación estándar de muestra y error estándar
Cálculo del valor p cuando la desviación estándar es desconocida
La estadística t
Prueba de hipótesis con un nivel de significancia preespecificado
Alternativas unilaterales
4.4
Intervalos de confianza para la media de la población
4.5
Comparación de medias de diferentes poblaciones
4.6
Una aplicación a la brecha de género en los ingresos
4.7
Diagramas de dispersión, covarianza de muestra y correlación de muestra
4.8
Ejercicios
5
Regresión lineal con un regresor
5.1
Regresión lineal simple
5.2
Estimación de los coeficientes del modelo de regresión lineal
El estimador de mínimos cuadrados ordinarios
5.3
Medidas de ajuste
El coeficiente de determinación
El error estándar de la regresión
Aplicación a los datos de la prueba de puntuación
5.4
Supuestos de mínimos cuadrados
Supuesto 1: El término de error tiene una media condicional de cero
Supuesto 2: Datos independientes e idénticamente distribuidos
Supuesto 3: Los valores atípicos grandes son poco probables
5.5
La distribución muestral del estimador de MCO
Estudio de simulación 1
Estudio de simulación 2
Estudio de simulación 3
5.6
Ejercicios
6
Pruebas de hipótesis e intervalos de confianza en el modelo de regresión lineal simple
6.1
Prueba de hipótesis de dos lados respecto al coeficiente de la pendiente
6.2
Intervalos de confianza para coeficientes de regresión
Estudio de simulación: Intervalos de confianza
6.3
Regresión cuando X es una variable binaria
6.4
Heteroscedasticidad y homocedasticidad
Un ejemplo del mundo real de heterocedasticidad
¿Los economistas deberían preocuparse por la heterocedasticidad?
Cálculo de errores estándar robustos de heterocedasticidad
6.5
El teorema de Gauss-Markov
Estudio de simulación: Estimador AZUL
6.6
Uso del estadístico t en regresión cuando el tamaño de la muestra es pequeño
6.7
Ejercicios
7
Modelos de regresión con varios regresores
7.1
Sesgo variable omitido
7.2
El modelo de regresión múltiple
7.3
Medidas de ajuste en regresión múltiple
7.4
Supuestos de MCO en regresión múltiple
Multicolinealidad
Estudio de simulación: Multicolinealidad imperfecta
7.5
La distribución de los estimadores de MCO en regresión múltiple
7.6
Ejercicios
8
Pruebas de hipótesis e intervalos de confianza en regresiones múltiples
8.1
Pruebas de hipótesis e intervalos de confianza para un coeficiente único
8.2
Una aplicación para evaluar los puntajes y la proporción de alumnos por maestro
Otro aumento del modelo
8.3
Prueba de hipótesis conjunta utilizando el estadístico F
8.4
Conjuntos de confianza para múltiples coeficientes
8.5
Especificación de modelo para regresión múltiple
Especificación del modelo en teoría y en la práctica
8.6
Análisis del conjunto de datos de puntuación de la prueba
8.7
Ejercicios
9
Funciones de regresión no lineal
9.1
Una estrategia general para modelar funciones de regresión no lineal
9.2
Funciones no lineales de una única variable independiente
Polinomios
Logaritmos
9.3
Interacciones entre variables independientes
9.4
Efectos no lineales en los puntajes de las pruebas de la proporción alumno-maestro
9.5
Ejercicios
10
Evaluación de estudios basados en regresión múltiple
10.1
Validez interna y externa
10.2
Amenazas a la validez interna del análisis de regresión múltiple
10.3
Validez interna y externa cuando la regresión se usa para pronosticar
10.4
Ejemplo: Puntajes de exámenes y tamaño de la clase
10.5
Ejercicios
11
Regresión con datos de panel
11.1
Datos de panel
11.2
Datos de panel con dos períodos de tiempo: Comparaciones “antes y después”
11.3
Regresión de efectos fijos
Estimación e inferencia
Aplicación a muertes por accidentes de tráfico
11.4
Regresión con efectos fijos en el tiempo
11.5
Los supuestos de regresión de efectos fijos y los errores estándar para la regresión de efectos fijos
11.6
Leyes de conducción en estado de ebriedad y muertes por accidentes de tráfico
11.7
Ejercicios
12
Regresión con una variable dependiente binaria
12.1
Variables dependientes binarias y el modelo de probabilidad lineal
12.2
Regresión Probit y Logit
Regresión Probit
Regresión Logit
12.3
Estimación e inferencia en los modelos logit y probit
12.4
Aplicación a los datos de la HMDA de Boston
12.5
Ejercicios
13
Regresión de variables instrumentales
13.1
El estimador de VI con un solo regresor y un solo instrumento
13.2
El modelo de regresión VI general
13.3
Comprobación de la validez del instrumento
13.4
Aplicación a la demanda de cigarrillos
13.5
¿De dónde provienen los instrumentos válidos?
13.6
Ejercicios
14
Experimentos y cuasiexperimentos
14.1
Resultados potenciales, efectos causales y experimentos idealizados
14.2
Amenazas a la validez de los experimentos
14.3
Estimaciones experimentales del efecto de las reducciones del tamaño de las clases
Diseño experimental y conjunto de datos
Análisis de los datos STAR
14.4
Cuasi experimentos
El Estimador de diferencias en diferencias
Estimadores de discontinuidad de regresión
14.5
Ejercicios
15
Introducción a la regresión de series de tiempo y pronóstico
15.1
Uso de modelos de regresión para la previsión
15.2
Datos de series de tiempo y correlación serial
Notación, retrasos, diferencias, logaritmos y tasas de crecimiento
15.3
Autoregresiones
Modelos autorregresivos de orden
\(p\)
15.4
¿Puede ganarle al mercado? (Parte I)
15.5
Predictores adicionales y el modelo ADL
Incertidumbre de pronóstico e intervalos de pronóstico
15.6
Selección de la longitud de retraso utilizando criterios de información
15.7
No estacionariedad I: Tendencias
15.8
No estacionariedad II: Pausas
15.9
¿Puedes ganarle al mercado? (Parte II)
16
Estimación de efectos causales dinámicos
16.1
Los datos del jugo de naranja
16.2
Efectos causales dinámicos
16.3
Multiplicadores dinámicos y multiplicadores dinámicos acumulativos
16.4
Errores estándar de HAC
16.5
Estimación de efectos causales dinámicos con regresores estrictamente exógenos
16.6
Precios del jugo de naranja y clima frío
17
Temas adicionales en la regresión de series temporales
17.1
Autorregresiones vectoriales
17.2
Órdenes de integración y prueba de raíz unitaria DF-GLS
17.3
Cointegración
17.4
Agrupación de volatilidad y heterocedasticidad condicional autorregresiva
Modelos ARCH y GARCH
Aplicación a la volatilidad del precio de las acciones
Resumen
Referencias bibliográficas
Publicado por JeshuaNomics
Git Hub
Facebook
Twitter
Linkedin
Vkontakte
Tumblr
YouTube
Instagram
Econoalgoritmia: Econometría avanzada y ciencia de datos con R
Referencias bibliográficas