SESIÓN 1: INTRODUCCIÓN A EVIEWS

• Objetivo:
  • Presentar y analizar la interfaz y los objetos del software EViews.
• Temas:
  • Interfaz de EViews
  • Ventanas de EViews
  • Objetos en EViews
  • Operaciones con objetos
• Ejemplos:
  • Iniciar en EViews
  • Creación de un Workfile
  • Generar un escalar
  • Elaboración de una matriz en Eviews - Parte 1
  • Elaboración de una matriz en Eviews - Parte 2

SESIÓN 2: INTRODUCCIÓN DE DATOS

• Objetivo: 
  • Utilizar el software EViews para la obtención de los datos.
• Temas:
  • Inserción directa de datos al programa
  • Copiar y pegar datos
  • Importar datos
  • Exportar datos
  • Abrir y guardar archivo en EViews
• Ejemplos:
  • Importación de datos de excel
  • Exportación de datos
  • Copiar data a Eviews
  • Importación de datos - Parte 2
  • Abrir y guardar datos en Eviews

SESIÓN 3: TRANSFORMACIÓN Y DESCRIPCIÓN DE VARIABLES

• Objetivo:
  • Presentar y transformar variables para su descripción y utilización en los modelos econométricos.
• Temas:
  • Transformación de una variable
  • Inspección de variable
  • Representación gráfica de las series
• Ejemplos:
  • Histograma
  • Gráfico de variables
  • Transformación - Parte 1
  • Transformación - Parte 2
  • Transformación y gráfico

SESIÓN 4: MODELO DE REGRESIÓN LINEAL

• Objetivo:
  • Explicar las bases de un modelo de regresión lineal y estimarlo en EViews.
• Temas:
  • Modelo de regresión lineal
  • Supuestos del modelo de regresión 
  • Estimación MCO
  • Propiedades de los estimadores MCO
  • Bondad de ajuste 
  • Significancia de los estimadores
• Ejemplos:
  • Modelo de regresión bivariado
  • Modelo de regresión multivariado
  • Prueba de significancia
  • Test de wald
  • Test de significancia global

SESIÓN 5: MODELO ANOVA Y ANCOVA

• Objetivo:
  • Detallar cómo estimar modelos con variables cualitativas ANOVA y ANCOVA.
• Temas:
  • Creación de variable dummy
  • Modelo ANOVA
  • Modelo ANCOVA
• Ejemplos:
  • Estimar modelo ANOVA
  • Estimar modelo ANCOVA
  • Creación de las variables de interacción
  • Modelo ANOVA con variable de interacción
  • Modelo ANCOVA con variable de interacción

SESIÓN 6: PROBLEMA DE LA NORMALIDAD EN LOS ERRORES

• Objetivo:
  • Explicar cómo identificar y corregir el problema de la normalidad en los errores.
• Temas:
  • ¿En qué consiste la normalidad?
  • Test de normalidad
  • Solución al problema
• Ejemplos:
  • Estimación de un modelo
  • Test de Jarque-Bera
  • Solución
  • Test de normalidad - Parte 1
  • Test de normalidad - Parte 2

SESIÓN 7:  ESPECIFICACIÓN Y FORMA FUNCIONAL

• Objetivo:
  • Explicar cómo reconocer el problema de una especificación errónea en el modelo de regresión lineal.
• Temas:
  • Forma funcional
  • Omisión de variables relevantes
  • Inclusión de variables irrelevantes
  • No linealidad en las variables e identificación
• Ejemplos:
  • Problema de variables omitidas
  • Problema de incluir variables irrelevantes
  • Test de ramsey
  • Solución para especificaciones - Parte 1
  • Solución para especificaciones - Parte 2

SESIÓN 8: EL PROBLEMA DE LA MULTICOLINEALIDAD

• Objetivo:
  • Presentar el problema de la multicolinealidad en un modelo de regresión lineal.
• Temas:
  • ¿Qué es la multicolinealidad?
  • Trampa de las variable dummy
  • Detección de la multicolinealidad
  • Solución de la multicolinealidad
• Ejemplos:
  • Matriz de dispersión
  • Matriz de correlación
  • Factor de inflación de varianza
  • Índice de condicionalidad
  • Correlación de multicolinealidad

SESIÓN 9: HETEROCEDASTICIDAD

• Objetivo:
  • Explicar cómo testear la heterocedasticidad en un modelo de regresión lineal.
• Temas:
  • ¿Qué es la heterocedasticidad?
  • Gráfico de la detección de la heterocedasticidad 
  • Test para la detección de la heterocedasticidad 
  • Mínimos cuadrados generalizados
  • Varianza de White
• Ejemplos
  • Test de BREUSCH-PAGAN
  • Test de ARCH
  • Test de White
  • Test de GLEJSER
  • Corrección de heterocedasticidad

SESIÓN 10:  EL PROBLEMA DE LA CORRELACIÓN SERIAL

• Objetivo:
  • Explicar cómo contrastar el problema de correlación en R.
• Temas:
  • ¿Qué es la correlación serial?
  • Detección de la autocorrelación
  • Soluciones a la autocorrelación
• Ejemplos:
  • Test DURBIN WATSON
  • Test de BREUSCH-GODFREY
  • Corregir autocorrelación - Parte 1
  • Corregir autocorrelación - Parte 2
  • Corregir autocorrelación - Parte 3

Plan de estudios actualizado el 13 de diciembre del 2023.

SESIÓN 1: PROBLEMA DE ENDOGENEIDAD

• Objetivo:
  • Explicar cómo contrastar el problema de endogeneidad en Eviews.
• Temas:
  • ¿Qué es la endogeneidad?
  • Variables instrumentales
  • Detección del problema de exogeneidad
  • Mínimos cuadrados en dos etapas
• Ejemplos:
  • Modelo inicial - Parte 1
  • Modelo inicial - Parte 2
  • Corrección - Parte 1
  • Modelo
  • Corrección - Parte 2

SESIÓN 2: MODELO DE ELECCIÓN DISCRETA

• Objetivo:
  • Explicar cómo estimar un modelo de probabilidad en EViews.
• Temas:
  • Variables cualitativas
  • Modelo lineal de probabilidad
  • Modelo LOGIT
  • Modelo PROBIT
• Ejemplos
  • Modelo de probabilidad lineal
  • Modelo LOGIT
  • Predicción del modelo LOBIT
  • Modelo PROBIT
  • Predicción del modelo PROBIT

SESIÓN 3: MODELO DE RESPUESTA ORDINAL

• Objetivo:
  • Explicar cómo estimar un modelo de regresión  con variable dependiente ordinal.
• Temas:
  • Modelo con variable latente
  • Modelo LOGIT ordenado
  • Modelo PROBIT ordenado
• Ejemplos
  • Modelo LOGIT ordinal
  • Efectos marginales modelo LOGIT
  • Modelo PROGIT ordinal
  • Efectos marginales modelo PROBIT
  • Probabilidad

SESIÓN 4: MODELO CON VARIABLE DEPENDIENTE LIMITADA

• Objetivo:
  • Presentar la forma de estimar un modelo de regresión con variable dependiente limitada.
• Temas:
  • Definición
  • Modelos con datos truncados
  • Modelos con datos censurados
  • Modelo truncados incidental
• Ejemplos:
  • Modelo MCO con datos truncados
  • Modelo truncado
  • Modelo MCO con datos censurados
  • Modelo censurado
  • Modelo de Heckman

SESIÓN 5: MODELO CON DATOS PANEL

• Objetivo:
  • Explicar cómo estimar un modelo con datos tipo Panel en EViews.
• Temas:
  • Definición
  • Modelo Pooled
  • Modelo de efectos fijos
  • Modelo de efectos aleatorios
  • Test de Hausman
• Ejemplos
  • Modelo agrupado
  • Modelo de efectos fijos - Parte 1
  • Modelo de efectos fijos - Parte 2
  • Modelo de efectos aleatorios
  • Test de Hausman

SESIÓN 6: MODELO CON VARIABLES RETARDADAS

• Objetivo:
  • Describir y estimar los principales modelos con variables retardadas en EViews.
• Temas:
  • Definición
  • Modelo de Koyck
  • Modelo de expectativas adaptativas
  • Modelo de ajuste parcial
  • Modelo de Almon
• Ejemplos
  • Modelo de Koyck
  • Modelo de expectativas adaptativas
  • Modelo de ajuste parcial
  • Modelo de Almon - Parte 1
  • Modelo de Almon - Parte 2

Plan de estudios actualizado el 13 de diciembre del 2023.

SESIÓN 1: INTRODUCCIÓN A LOS MODELOS DE SERIES DE TIEMPO

• Objetivo:
  • Presentar el concepto de serie de tiempo, sus componentes y gráficos.
• Temas:
  • ¿Qué son las series de tiempo?
  • Componentes de la serie de tiempo
  • Proceso estacionarios
  • Serie de tiempo en EViews
  • Gráfico de una serie de tiempo
• Ejemplos:
  • Workfile diario
  • Diseño de gráfico - Parte 1
  • Workfile trimestral
  • Diseño de gráfico - Parte 2
  • Workfile mensual

SESIÓN 2: PROCESOS ESTOCÁSTICOS

• Objetivo:
  • Describir los procesos estocásticos en EViews.
• Temas:
  • Proceso estocástico 
  • Proceso de ruido blanco
  • Caminata aleatoria sin deriva
  • Caminata aleatoria con deriva
  • Función de autocorrelación
• Ejemplos:
  • Análisis de ruido blanco
  • Análisis caminata aleatoria sin deriva
  • Análisis caminata aleatoria con deriva
  • Análisis caminata aleatoria con deriva - Parte 2
  • Función de autocorrelación

SESIÓN 3: MODELOS UNIVARIADOS ESTACIONARIOS

• Objetivo:
  • Describir los modelos univariados como AR, MA y ARMA y modelarlos en Eviews.
• Temas:
  • Modelo AR
  • Modelo MA
  • Modelo ARMA
  • Modelo univariado en EViews
• Ejemplos
  • Modelo AR
  • Modelo MA
  • Modelo ARMA
  • Elegir el mejor modelo
  • Pronóstico

SESIÓN 4: MODELO UNIVARIADOS NO ESTACIONARIOS

• Objetivo:
  • Reconocer los modelos univariados no estacionarios en EViews.​
• Temas:
  • Tendencia determinística 
  • Tendencia estocástica
  • Test de estacionariedad
  • Modelo ARIMA
• Ejemplos
  • Graficar serie con tendencia determinística
  • Test de PHILLIPS-PERRON
  • Orden de integración
  • Modelo ARMA
  • Pronóstico

SESIÓN 5: MODELO UNIVARIADOS ESTACIONALES

• Objetivo:
  • Detallar cómo trabajar con modelos que poseen componentes estacionales.
• Temas:
  • Definición
  • Gráficos para detectar estacionalidad
  • Test para estacionalidad
  • Modelo SARIMA
• Ejemplos:
  • Gráfica para detectar estacionalidad
  • Test HEGY
  • Test de KRUSKAL-WALLIS
  • Estimación de modelo SARIMA
  • Pronóstico

SESIÓN 6: QUIEBRE ESTRUCTURAL

• Objetivo:
  • Explicar el quiebre estructural en una serie de tiempo.
• Temas:
  • Definición
  • Gráficos de quiebre estructural
  • Test de quiebre estructural
  • Variables dummy en el quiebre estructural
• Ejemplos:
  • Test de CUSUM
  • Gráfico de CUSUM
  • Gráfico de estabilidad de parámetros
  • Test de CHOW
  • Variable dummy en modelo de serie de tiempo

SESIÓN 7: MODELOS MULTIVARIADOS ESTACIONARIOS

• Objetivo:
  • Detallar los modelos multivariados estacionarios para estimarlos en EViews.
• Temas:
  • Modelos VAR
  • Estimación
  • Test de causalidad
  • Función de impulso-respuesta
  • Descomposición de varianza
• Ejemplos:
  • Estimación de un modelo VAR
  • Elección del modelo
  • Función de impulso-respuesta
  • Descomposición de varianza
  • Análisis de escenarios

SESIÓN 8: COINTEGRACIÓN

• Objetivo:
  • Explicar cómo aplicar series no estacionarias en EViews.
• Temas:
  • Definición
  • Test de Engle y Granger
  • Modelo de corrección de errores
  • Método multivariado de Johansen
• Ejemplos:
  • Orden de integración
  • Test de Engle y Granger
  • Modelo de corrección de errores
  • Modelo de corrección de errores
  • VECM

SESIÓN 9: MODELO DE VOLATILIDAD

• Objetivo:
  • Explicar el uso de modelos con heterocedasticidad y modelarlos en EViews.
• Temas:
  • Definición
  • Modelo ARCH
  • Modelo GARCH
  • Modelo GARCH-M
  • Modelo EGARCH
  • Modelo TGARCH
  • Comparación
• Ejemplos
  • Modelo de la media
  • Modelo ARCH
  • Modelo GARCH
  • Modelo TGARCH
  • Comparación de modelos

SESIÓN 10: MODELOS NO LINEALES

• Objetivo:
  • Explicar cómo estimar un modelo de regresión no lineal en EViews.
• Temas:
  • Definición
  • Regresión exponencial
  • Regresión potencial
  • Regresión logarítmica
  • Regresión polinómica
• Ejemplos:
  • Regresión exponencial
  • Regresión potencial
  • Regresión logarítmica
  • Regresión polinómica
  • Comparación de modelos

SESIÓN 11: ADICIONAL: FILTROS

• Objetivo:
  • Explicar cómo descomponer la series de tiempo por medio de filtros estadísticos.
• Temas:
  • Métodos de desestacionalización
  • Extracción de la tendencia y ciclo
• Ejemplos:
  • Desestacionalizar serie - Parte 1
  • Desestacionalizar serie - Parte 2
  • Filtro HP
  • Filtro BK
  • Filtro CF

Plan de estudios actualizado el 13 de diciembre del 2023.