EL COLEGIO DE MÉXICO Centro de Estudios

COLMEX_CEDUA_URBANO_PROGRAMA.doc
EL COLEGIO DE MÉXICO
Centro de Estudios Demográficos, Urbanos y Ambientales
Doctorado en Estudios Urbanos y Ambientales
Promoción 2011 - 2015
(Agosto-diciembre 2011)
Fortino Vela Peón
mregresion.wordpress.com
Mario Martínez
Objetivo: Que los estudiantes manejen el proceso de especificación, estimación e
interpretación de los modelos de regresión lineal y de regresión logística con
apoyo de la herramienta computacional que ofrece Stata.
Temario
1. Introducción
1.1 Datos y variables.
1.2 Distribuciones de frecuencia
1.3 Principales medidas descriptivas
1.4. Probabilidad, probabilidad condicionada e independencia
1.5 Variables aleatorias
1.6 Distribuciones de probabilidad
1.7 Distribución de muestreo
1.8 Distribuciones derivadas del muestreo.
1.9 Estimación de parámetros
1.9.1 Estimación puntual
1.9.2 Estimación por intervalo
1.10 Prueba de hipótesis
2. Regresión lineal simple
2.1 Planteamiento de un modelo de regresión lineal simple
2.2 Supuestos estadísticos
2.3 Estimación e interpretación de los coeficientes estimados
2.4 Tabla de ANOVA y el coeficiente de determinación
2.5 Inferencia estadística sobre los estimadores
3. Regresión lineal múltiple
3.1 Planteamiento matricial de un modelo de regresión lineal múltiple
3.2 Supuestos estadísticos
3.3 Estimación e interpretación de los coeficientes estimados
3.4 Coeficiente de determinación ajustado
3.5 Inferencia estadística sobre los estimadores
4. Especificación e inferencia estadística
4.1 Selección de variables
Econometría
Fortino Vela Péon
4.1.1 R2 ajustada, criterio de información de Akaike (AIC) y
Bayesiano (BIC)
4.1.2 Métodos de regresión por pasos (stepwise)
4.2 Errores de especificación
4.2.1 Prueba RESET de error de especificación
5. Regresión con variables indicadoras o dummy
5.1 Construcción de variables dummy
5.2 Modelos ANOVA, ANCOVA
5.3 Términos de interacción
5.4 Variables rezagadas
6. Modelos polinomiales y con transformaciones
6.1 Modelos polinomiales
6.2 Modelo doble logarítmicos
6.3 Modelo semilogaritmicos
6.4 Modelo recíproco
7. Diagnóstico del modelo: parte I
7.2 Multicolinealidad
7.2.1 Regla práctica, Factores de Inflación de la Varianza, índice de
tolerancia.
7.3 Tipos de residuos
7.3.1 Residuales estandarizados, estudentizados, iterativos.
7.4 Análisis de influencia
7.4.1 Matriz H y apalancamiento (leverage)
8. Diagnóstico del modelo: parte II
8.1 Análisis de residuos
8.2 Heteroscedasticidad
8.1.1 Naturaleza, identificación y consecuencias
8.1.2 Pruebas de White, Breusch-Pagan
8.1.3 Medidas correctivas
8.1.3.1 Mínimos cuadrados ponderados
8.1.3.2 Errores estándar robustos a la heteroscedasticidad
8.2 Autocorrelación
8.2.1 Naturaleza, identificación y consecuencias
8.2.2 Pruebas Durbin-Watson, Breusch-Godfrey
8.2.3 Medidas correctivas
8.2.3.1 Mínimos cuadrados generalizados
8.2.3.2 Errores estándar Newey-West
9. Introducción al análisis categórico de datos
9.1 Naturaleza de los datos categóricos
9.2 Tablas de contingencia y medidas de asociación
9.3 Prueba χ2 de independencia
10. Modelos de regresión logística
2
Econometría
Fortino Vela Péon
10.1 Modelo de probabilidad lineal
10.2 Modelos con variable de respuesta binaria
10.3 Modelos logit y probit
10.3.1 Estimación e interpretación de los parámetros
10.3.2 Inferencia estadística
10.4 Interpretación
Evaluación
La calificación final será el resultado de la suma ponderada de tres exámenes
parciales así como de la entrega de las tareas y/o laboratorios que sean
asignados. Las ponderaciones de estos exámenes son 20% para cada uno. El
restante 40% de la calificación se evaluara con base a la participación y entrega
de los laboratorios asignados en el Taller.
Bibliografía
Agresti, Alan (2002). Categorical Data Analysis, 2ª. ed., John Wiley & Son,
Canada.
Gujarati, Damodar y Dawn Porter (2009). Econometría, 5ª. ed., McGraw Hill,
México.
Griffiths Wlliam E. et. al. (1993). Learning and Practicing Econometrics, John Wiley
& Sons, Estados Unidos.
Hosmer, David W. y Stanley Lemeshow (2000). Applied Logistic Regression, 2a
ed. Wiley, Estados Unidos
Johnston, Jack y John Dinardo (1996). Econometric Methods, 4ª. ed., McGrawHill/Irwin, Estados Unidos
Kutner, Michael H. et. al. (2005). Applied Linear Statistical Models, 5ª. ed., McGraw
Hill, Singapur.
Powers, Daniel A. y Yu Xie (2000). Statistical Methods for Categorical Data
Analyisis, Academic Press, Estados Unidos.
Wackerly, Dennis D., William Mendenhall y Richard L. Sceaffer (2010). Estadística
matemática con aplicaciones, 7ª. ed., CENGAGE, México.
Wooldrigde, Jeffrey M. (2010). Introducción a la econometría. Un enfoque
moderno, 4.ª ed., CENGAGE, México.
3