SS_Logo

Descriptivo

Stata para la Estimación y Análisis de Modelos de Regresión Uniecuacionales, Series de Tiempo y Modelos de Variable Dependiente Limitada.

Descripción:

Entrenamiento abierto presencial para modelación econométrica en Stata con revisión conceptual y aplicaciones de los temas a tratar.
<ul><li>Responsables por la evaluación y definición de proyectos sociales, de infraestructura, salud, educación y políticas de gobierno.</li><li>Directores, Analistas financieros y de riesgos en los sectores público y privado.</li><li>Docentes, investigadores y personas que en sus labores requieran de conceptos y herramientas para la modelación econométrica.</li></ul>
<div>Realizar un acercamiento al software</div><div>Visualizar las rutinas de estimación y análisis en el programa</div><div>Comprender los estadísticos y tablas de resultados generados para la toma de decisiones</div>
1. Introducción y tipos de econometría
2. Metodología de la econometría Planteamiento de la teoría o hipótesis Especificación del modelo matemático Especificación del modelo econométrico Obtención de información (datos) Estimación del modelo econométrico Validación (pruebas de hipótesis) Pronóstico y aplicaciones del modelo Visión general y definición del MRS
3. Modelo de Regresión Simple (MRS) Visión general y definición del MRS Estimadores de Mínimos Cuadrados Ordinarios (MCO) Propiedades de los estimadores de MCO Bondad de ajuste Unidades de medida y forma funcional Precisión y errores estándar 4. Supuesto Modelo Clásico de Regresión Lineal (MCRL) Linealidad Muestreo aleatorio Variación en la muestra de la variable explicativa Media condicional cero Homocedasticidad Distribución normal
5. Modelo de Regresión Múltiple: Inferencia estadística. Prueba t Intervalos de confianza Nivel de significancia exacto Pruebas de hipótesis múltiples: prueba F 
6. Modelos con Variables Dicótomas Naturaleza de las variables dicótomas Efectos de interacción al utilizar variables dicótomas 7. Modelos de Regresión no Lineales Modelos de regresión lineales y no lineales Estimación de modelos lineales y no lineales
8. Modelos de variable dependiente limitada Naturaleza de los modelos de respuesta cualitativa Modelo lineal de probabilidad (MLP) Aplicaciones y alternativas al MLP
9. Modelos de Series Temporales Componentes de una series de tiempo Modelos de suavizamiento Modelos autorregresivos (AR), modelos de media móvil (MA) y modelos autorregresivos integrados de media móvil (ARIMA) Metodología Box-Jenkins

¡Guarda esta información!

Descargalo en PDF

Descargar

¡Comparte este evento con tus colegas!

Email

Enviar

WhatsApp

Facebook

Cotizar
Próximos
Eventos

X

Mis cotizaciones:

Comentarios a tu solicitud:

Cotizar