SESIÓN 01: REGRESIÓN LINEAL Y VERIFICACIÓN DE DATOS

• Objetivo:
  • Mostrar cómo llevar a cabo una regresión lineal en STATA.
• Temas:
  • Introducción a la econometría
  • Dispersión, covarianza y correlación
  • Regresión simple
  • Regresión múltiple
  • Regresión con variables cualitativas
  • Regresión con interacción
• Ejemplos:
  • Regresión lineal simple
  • Significancia estadística
  • Predicción
  • Variables exógenas cualitativas
  • Interacción
  • Modelos no lineales
  • Estimación de modelo polinómico cuadrático

SESIÓN 02: SUPUESTOS DEL MODELO CLÁSICO DE REGRESIÓN - PARTE 1

• Objetivo:
  • Exponer los supuestos del modelo de regresión clásico y explicar a profundidad el supuesto de variables independientes fijas, valor esperado del error igual que cero y la varianza del error constante.
• Temas:
  • Supuestos del modelo de regresión
  • Supuesto de exogeneidad de las variables independientes
  • Valor esperado del error igual que cero
  • Varianza del error constante
• Ejemplos:
  • Detección endogeneidad
  • Corrección de endogeneidad
  • Error igual que cero
  • Breusch-Pagan - Parte 1
  • Breusch-Pagan - Parte 2
  • Corrección de heterocedasticidad
  • Prueba de ramsey
  • Prueba de white
  • Anova
  • Análisis de covarianza

SESIÓN 03: SUPUESTOS DEL MODELO CLÁSICO DE REGRESIÓN - PARTE 2

• Objetivo:
  • Explicar los supuestos de distribución normal de los errores, la ausencia de multicolinealidad y la ausencia de autocorrelación entre las perturbaciones; y cómo corregirlos.
• Temas:
  • Distribución normal de los errores
  • Multicolinealidad
  • Autocorrelación
  • Quiebre estructural
• Ejemplos:
  • Normalidad de los residuos
  • Detección de multicolinealidad
  • Corrección de multicolinealidad
  • Detección de autocorrelación
  • Corrección de autocorrelación
  • Quiebre estructural
  • Test de Shapiro-Wilk
  • Multicolinealidad
  • Prueba de Durbin-Watson
  • Método de cochrane

SESIÓN 04: MODELOS DE ELECCIÓN DISCRETA

• Objetivo:
  • Explicar y desarrollar los principales modelos de elección discreta: Logit y Probit.
• Temas:
  • Modelos no lineales
  • Modelos de elección discreta
  • Modelos de elección discreta binaria
• Ejemplos:
  • Modelo de probabilidad lineal
  • Modelo Logit
  • Modelo Probit
  • Elección del mejor modelo
  • Odds ratios
  • Afianzamiento
  • Método logit para datos individuales 
  • Efecto marginal del modelo logit
  • Modelo logit agrupado
  • Efecto marginal del modelo probit

SESIÓN 05: MODELOS DE ELECCIÓN MÚLTIPLE ORDINAL

• Objetivo:
  • Explicar los modelos de elección múltiple ordinal y sus principales comandos en STATA.
• Temas:
  • Definición
  • Modelo de variable latente
  • Modelo logístico ordinal
  • Modelo probabilístico ordinal
  • Testeo de hipótesis
  • Supuesto de paralelismo
  • Análisis de probabilidades
• Ejemplos:
  • Logit ordenado
  • Probit ordenado
  • Logit vs. Probit
  • Odds ratios
  • Supuesto de paralelismo
  • Predicción
  • Efecto marginal del modelo logit ordenado
  • Efecto marginal del modelo probit ordenado
  • Análisis de probabilidades
  • Testeo de hipótesis

SESIÓN 06: MODELOS DE ELECCIÓN MÚLTIPLE NO ORDENADOS

• Objetivo:
  • Explicar cómo realizar la estimación y post estimación de los modelos de elección múltiple no ordenados mediante el programa STATA.
• Temas:
  • Definición y ejemplos
  • Logit multinomial
  • Probit multinomial
  • Testeo de hipótesis
  • Independencia de las alternativas irrelevantes (IAI)
  • Análisis de probabilidades y cambios marginales
• Ejemplos:
  • Logit multinomial
  • Probit multinomial
  • Elección del mejor modelo
  • Ratio de riesgo relativo
  • Odds ratios e iai
  • Predicción
  • Cambio marginal del modelo logit multinomial
  • Análisis de probabilidades
  • Test de Wald
  • Ratio de máxima verosimilitud

SESIÓN 07: MODELOS TRUNCADOS Y CENSURADOS

• Objetivo:
  • Explicar los comandos para generar y analizar modelos truncados y censurados en STATA.
• Temas:
  • Definiciones
  • Variables dependientes con truncamiento no incidental
  • Variable de truncamiento incidental, sesgo de selección
  • Modelo Oaxan-Blinder
• Ejemplos:
  • Mco vs. Modelo truncado
  • Modelo truncado
  • Mco vs. Tobit
  • Modelo Tobit
  • Truncamiento incidental - Parte 1
  • Truncamiento incidental - Parte 2
  • MCO
  • Truncamiento en el modelo de regresión
  • Censura en el modelo de regresión
  • MCO vs modelo truncado vs tobit
  • Modelo Oaxan blender con sesgo de selección

SESIÓN 08: MODELOS DE DURACIÓN

• Objetivo:
  • Explicar los modelos de duración y su aplicación en Stata.
• Temas:
  • Ideas generales
  • Planteamiento inicial
  • Función de sobrevivencia y Hazard Rate
  • Formas de la función Hazard
  • Estimación de máxima verosimilitud
  • Modelos de la tasa de transición con tiempo continuo
  • Elección del modelo
  • Modelo de Cox
  • Estimación en tiempo discreto
• Ejemplos:
  • Modelo semiparamétrico de cox
  • Cox con datos censurados
  • Kaplan-Meier
  • Máxima verosimilitud
  • Función de riesgo y supervivencia
  • Estimación como modelo de elección discreta
  • Análisis del modelo
  • Regresión de Weibull
  • Regresión de Gompertz
  • Comparación entre la distribución Weibull y Gompertz

Actualización parcial el 12 de diciembre del 2023.