ࡱ> za߿ߝXo( UUUUzag\Oy Ek( DD`!ow e5Nܝ!R@|=xcdd``dd``beV dX,XĐ Ɂ遰 A?d- πjx|K2B* R. XB2sSRsA.Jsi#CB @ .nRSJK2:\2ҋy+ss 0ɶ- p'*_ ķG?jF9n&C8ߛ7` )\ҟ'C\ءP;=XfdbR ,.Iͅ`uW9.( y  t,KEquation Equation.30,Microsoft Equation 3.0/ 00DTimes New RomankK|dv 0|( 0 DTahomaew RomankK|dv 0|( 0 " DWingdingsRomankK|dv 0|( 0 0DSymbolgsRomankK|dv 0|( 0 f,.  @n?" dd@  @@`` \Tp mGDFN      ?r$߿ߝXoifLr$g\Oy EkiiL2$w e5Nܝ!wL 0@8uʚ;2Nʚ; g42d2dv 0pppp@ <4!d!d` 0,lK<4dddd` 0,lK<4BdBd` 0,lKt___PPT9nu=!BWk@~PNG  IHDRF} PLTE3:tRNS@f cmPPJCmp0712Om9IDATc``b $<&40(Zжj˂AtM iIENDB`?l, XFree and Quick Translation Anderson's slidesO =# Welcome a Econometra I0 BQu es la Econometra? Econ = Economia Metra = Metrica o medicinCCl  Que es la Econometra?06 [Actividad cientifica que se encarga de medir relaciones causales entre variables econmicas\\H   Por qu estudiar Econometra?H = Muy raro en economa ( y otras areas sin labs) contar con datos experimentales Necesitamos usar datos no experimentales, u observacionales, para realizar inferencias Es importante poder aplicar la teora econmica a los datos reales. Esta teora es la que nos debera salvar parcialmente de la no-experimentalidad $=ZZ>!  $ rPor qu estudiar Econometra?H 3 El anlisis emprico usa datos para contrastar una teora o estimar una relacin econmica Un modelo ecnomico formal puede ser contrastado La teora puede ser ambigua sobre el efecto de un cambio en la politica econmica y podemos usar la econometra para evaluar los efectos de un determinado programa "34       @Tipos de Datos  Seccin Cruzada!!H Este tipo de datos son una muestra aleatoria Cada observacin es un nuevo individuo, empresa, etc. con informacin en un momento dado del tiempo Si los datos no son una muestra aleatoria entonces tenemos un problema de seleccin muestralB.e^       ,Tipos de Datos  Panel$ APodemos juntar diversas secciones cruzadas en diferentes momentos temporales y tratarlas como una seccin cruzada normal. Solamente tendremos que tener en cuenta las diferencias temporales Podemos seguir las mismas observaciones de un individuo en el tiempo. Esto es lo que se conoce com datos de panel o longitudinalesBB+  #       !Tipos de Datos- Series Temporales""6  Este tipo de datos cuentan con una observacin en cada momento del tiempo  ej. precios activos financieros Como no es una muestra aleatoria hay diferentes problemas que considerar (Econometra II) Tendencias, estacionalidad& sern aspectos importantes2mZZZ        w La Cuestion de la Causalidad,  Establecer simplemente relaciones entre variables econmicas raramente es suficiente Queremos que las relaciones o efectos puedan ser consideradas causales Si somo capaces de controlar por todas las dems variables, entonces el estimado efecto  ceteris paribus puede considerarse causal En general es MUY dificil establecer causalidadTT$            s%Ejemplo: Rendimientos de la Educacin&&6   Los modelos de inversin en capital humano implican que un nivel ms alto de educacin debera implicar unas ganancias salariales mayores De forma simple esto implica*    ?uEjemplo: (continua) 6 La estimacin de b1, es el rendimiento de la educacin, pero puede ser considerado causal? El termino error, u, incluye otros factores que afectan la variable earnings. Nos gustara controlas por esos factores tanto lo que sea posible Algunas cosas permanecen inobservadas y esto puede ser muy problemtico 7 Y          /T{, ` @EoOV` @Eff؂o` MMMwww` 33f3Ƨgzf` 3ffE` JH3f̙ff` 33̙fRP` =bf>?" dd@,?wnd@ n< w_@nA``< n?" dd@   @@``PP   @ ` ` p>> ''CF>'(  !T   "b  # " \   "B  HDA "B  HDA "B  HDA "@@B  HDA "B   HDA "B   HDA "B   HDA "@@B   HDA "B   HDA "B  HDA "B  HDA "@@B  HDA "  B  HDA "  B  HDA "  B  HDA "@ @ B  HDA "  B  HDA "  B  HDA "  B  HDA "@@B  HDA "B  HDA "B  HDA "z\   "B  HDA "B  HDA "B  HDA "@@B  HDA "B   HDA "B ! HDA "B " HDA "@@B # HDA "B $ HDA "B % HDA "B & HDA "@@B ' HDA " B ( HDA " B ) HDA " B * HDA "@ @ B + HDA " B , HDA " B - HDA " B . HDA "@@B / HDA "B 0 HDA "B 1 HDA "B 2 HDA "@@B 3 HDA "B 4 HDA "B 5 HDA "B 6 HDA "@@B 7 HDA "B 8 HDA " 9 # t?A?60%"@`tB : 6D"tb `  ;# "|i4 tB <B 6D"`  tB = 6D"PP 2 >B  BCENGGHʲI[TQ zR(VzR(V[T`TzR(V[T`T" ? 6K " K T Click to edit Master title style! ! @ 6K Rectangle: Click to edit Master text styles Second level Third level Fourth level Fifth level"0 K RClick to edit Master text styles Second level Third level Fourth level Fifth level!     S D 60:K "`` K B* E 64 @Eff؂o___PPT92p22 Blueprint*  [*S*@GM0 )(  Z$N  M "6b  # "  T??"@`\   "B  HDA "B  HDA "B  HDA "@@B  HDA "B   HDA "B   HDA "B   HDA "@@B   HDA "B   HDA "B  HDA "B  HDA "@@B  HDA "  B  HDA "  B  HDA "  B  HDA "@ @ B  HDA "  B  HDA "  B  HDA "  B  HDA "@@B  HDA "B  HDA "B  HDA "B  HDA "B  HDA "B  HDA "@@B  HDA "B  HDA "B   HDA "B ! HDA "@@B " HDA "B # HDA "B $ HDA "B % HDA "@@B & HDA " B ' HDA " B ( HDA " B ) HDA "@ @ B * HDA " B + HDA " B , HDA " B - HDA "@@B . HDA "B / HDA "B 0 HDA "B 1 HDA "@@B 2 HDA "B 3 HDA "B 4 HDA "B 5 HDA "@@B 6 HDA "B 7 HDA "tB 8 6D"6V /c3  L "/c3 B A <D"/3 ,$D 0zB ? <D" zB @ <D"c2 BB # ZBCENGGHʲI[TQ zR(VzR(V[T`TzR(V[T`T"]FV  K "zB C <D"r r zB DB <D"442 E # ZBCENGGHʲI[TQ zR(VzR(V[T`TzR(V[T`T"   9 68G "Pp  G T Click to edit Master title style! ! : G Rectangle: Click to edit Master text styles Second level Third level Fourth level Fifth level"%p0u  G W#Click to edit Master subtitle style$ $ G 6G "`` G B* H 6ȼG "`  G D* I 6,G "`  G D*H  0޽h ?/ BE @Eff؂o0 `(    0G P   G T*    0HCG    G V*  d  c $ ?  G  0pG  @ G RClick to edit Master text styles Second level Third level Fourth level Fifth level!     S  6G `P  G T*    6ج `  G V*  H  0޽h ? ̙33 P(    0K P   K D*   0K    K F*   6sG `P  K D*   6wG `  K F* H  0޽h ? ̙33 0P(  r  S LG9 @` G   S MG:p0P <$0 G H  0޽h ? @Eff؂o \(  x  c $*9 @` *   c $l*:p0P <$0 * H  0޽h ? @Eff؂o  p0(  x  c $?   x  c $@0  H  0޽h ? @Eff؂o  \$(  \r \ S K?  K r \ S tK@0 K H \ 0޽h ? @Eff؂o  0(  x  c $K?  K x  c $K@0 K H  0޽h ? @Eff؂o  0(  x  c $dK?  K x  c $ K@0 K H  0޽h ? @Eff؂o  0(  x  c $ܳK?  K x  c $K@0 K H  0޽h ? @Eff؂o  t$(  tr t S ?   r t S L@0  H t 0޽h ? @Eff؂on  d(  dr d S Ĩ?   r d S T@0    d0 6A ?@K 0u   H d 0޽h ? @Eff؂o   h$(  hr h S D%K?  K r h S &K@0 K H h 0޽h ? @Eff؂o0 P (  X  C    G  S  @  G " H  0޽h ? ̙33)0 y(  X  C    *  S * @  * {3Use nlsy.dta to estimate a simple earnings function,'H  0޽h ? ̙330 ,(  ^  S    *  c $* @  * " H  0޽h ? ̙33xVOOQ-JYD 1fh Kl h ,XCw4く$M$~#`bLyflyZ& t̛3̼׽E4* T1D2I!HWjM\mX;Q>z\~w0 "l;rc+%N^[{DPNo"r+p )]w 5<6m"9YI}:H'1Z8ډ:b=DD'nV85~dsdv!Z+eYϵGC*e*jLr_쮅v9#J>$Iѧ$RhcrǢhuq=NIu:̖W) l6)=2.=$Zl728,6jE*wr!`'1S{+U@0!Ǯx|KBi_:!4z.Bz~u~M}&tFB<:e!LPtrAp gQ\.BF F(Oe{5 k]q! Sn +КE(2tgtm>O|h(4kO8WyU9婼h?Rurp .[ Ssr@Q`w%y%{K`Y=5-5| Wy.(Oh+'0 Q px  8D d p | %Review of Probability and StatisticsrosPatricia M. Anderson anOc:\Program Files\Microsoft Office\Templates\Presentation Designs\Blueprint.potJesus Gonzaloes35uMicrosoft PowerPointoso@i]r@@ ܗ @pF`GhOg  '0& &&#TNPP2OMit & TNPP &&TNPP    --- !---&&--- !``---&& "&-- -B( UUUU-$ !!   ---&&&@B&-- -B( UUUU-$@@AA@@ ---&&&`b&-- -B( UUUU-$``aa`` ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&& "&-- -B( UUUU-$  !!   ---&&&@B&-- -B( UUUU-$@@AA@@ ---&&&`b&-- -B( UUUU-$``aa`` ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&& "&-- -B( UUUU-$  !!   ---&&&@B&-- -B( UUUU-$@@AA@@ ---&&&`b&-- -B( UUUU-$``aa`` ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&& "&-- -B( UUUU-$!  ! ---&&&@B&-- -B( UUUU-$A@@@A ---&&&`b&-- -B( UUUU-$a```a ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&& "&-- -B( UUUU-$!   ! ---&&&@B&-- -B( UUUU-$A@@@A ---&&&`b&-- -B( UUUU-$a```a ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&& "&-- -B( UUUU-$!   ! ---&&&@B&-- -B( UUUU-$A@@@A ---&&&`b&-- -B( UUUU-$a```a ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&& "&-- -B( UUUU-$!   ! ---&&&@B&-- -B( UUUU-$A@@@A ---&&&`b&-- -B( UUUU-$a```a ---&&&&-- -B( UUUU-$ ---&&&&-- -B( UUUU-$ ---&&&&o--%--&&&\&S\Vo--%T]T--&&@Co--%AA--&&?o--%@--&&Fdo-- %GGHKOTY]`a`]YT--&&&Dsu&=s@o--%>q>--&&]D`uo--%^E^s--&&P-nKo--"%k;k;k;j@hDcG^HYGUDR@Q;R6U2Y/^.--&&&&Gy&C yVw_wgwC y - @"TahomaH nVw_wgwH n - @E.02 rFree and Quick Translation         . @E.!2 Anderson's slides   .&y& @E @E. 2 e1 .--)`-- @E@Times New Roman_wgwC - ff.2 j Welcome a <!1. ff.2  Econometra( !1. ff. 2 I.--9 @h-- ff@Times New Roman_wgwH x - @E. 2 nrQu. @E. 2 nes. @E. 2 nla  . @E.2 n Econometra!  . @E. 2 n?s. @E.2 rEcon =   . @E.2 Economia . @E.2 rMetra a&   . @E. 2 =  . @E.2 Metrica &   . @E. 2 o  . @E.2 medicin!  .--"Systemw:fF  -&TNPP &alo՜.+,0t    ( Presentacin en pantallaaDartmouth Collegent%+  Times New RomanTahoma WingdingsSymbol BlueprintMicrosoft Equation 3.0Welcome a Econometra IQue es la Econometra?Por tion 3.0/ 00DTimes New RomankK|dv 0|( 0 DTahomaew RomankK|dv 0|( 0 " DWingdingsRomankK|dv 0|( 0 0DSymbolgsRomankK|dv 0|( 0 f,.  @n?" dd@  @@`` \Tp mGDFN      ?r$߿ߝXoifLr$g\Oy EkiiL2$w e5Nܝ!wL 0@8uʚ;2Nʚ; g42d2dv 0pppp@ <4!d!d` 0,lK<4dddd` 0,lK<4BdBd` 0,lKt___PPT9nu=!BWk@~PNG  IHDRF} PLTE3:tRNS@f cmPPJCmp0712Om9IDATc``b $<&40(Zжj˂AtM iIENDB`?l, XFree and Quick Translation Anderson's slidesO =# Welcome a Econometra I0 BQu es la Econometra? Econ = Economia Metra = Metrica o medicinCCl  Que es la Econometra?06 [Actividad cientifica que se encarga de medir relaciones causales entre variables econmicas\\H   Por qu estudiar Econometra?H = Muy raro en economa ( y otras areas sin labs) contar con datos experimentales Necesitamos usar datos no experimentales, u observacionales, para realizar inferencias Es importante poder aplicar la teora econmica a los datos reales. Esta teora es la que nos debera salvar parcialmente de la no-experimentalidad $=ZZ>!  $ rPor qu estudiar Econometra?H 3 El anlisis emprico usa datos para contrastar una teora o estimar una relacin econmica Un modelo ecnomico formal puede ser contrastado La teora puede ser ambigua sobre el efecto de un cambio en la politica econmica y podemos usar la econometra para evaluar los efectos de un determinado programa "34       @Tipos de Datos  Seccin Cruzada!!H Este tipo de datos son una muestra aleatoria Cada observacin es un nuevo individuo, empresa, etc. con informacin en un momento dado del tiempo Si los datos no son una muestra aleatoria entonces tenemos un problema de seleccin muestralB.e^       ,Tipos de Datos  Panel$ APodemos juntar diversas secciones cruzadas en diferentes momentos temporales y tratarlas como una seccin cruzada normal. Solamente tendremos que tener en cuenta las diferencias temporales Podemos seguir las mismas observaciones de un individuo en el tiempo. Esto es lo que se conoce com datos de panel o longitudinalesBB+  #       !Tipos de Datos- Series Temporales""6  Este tipo de datos cuentan con una observacin en cada momento del tiempo  ej. prec  !"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^`abcdefghijklmnopqrstuvwxyz{|}~Root EntrydO)PsK`@PicturesCurrent UserGSummaryInformation(_!  $ rPor qu estudiar Econometra?H 3 El anlisis emprico usa datos para contrastar una teora o estimar una relacin econmica Un modelo ecnomico formal puede ser contrastado La teora puede ser ambigua sobre el efecto de un cambio en la politica econmica y podemos usar la econometra para evaluar los efectos de un determinado programa "34       @Tipos de Datos  Seccin Cruzada!!H Este tipo de datos son una muestra aleatoria Cada observacin es un nuevo individuo, empresa, etc. con informacin en un momento dado del tiempo Si los datos no son una muestra aleatoria entonces tenemos un problema de seleccin muestralB.e^       ,Tipos de Datos  Panel$ APodemos juntar diversas secciones cruzadas en diferentes momentos temporales y tratarlas como una seccin cruzada normal. Solamente tendremos que tener en cuenta las diferencias temporales Podemos seguir las mismas observaciones de un individuo en el tiempo. Esto es lo que se conoce com datos de panel o longitudinalesBB+  #       !Tipos de Datos- Series Temporales""6  Este tipo de datos cuentan con una observacin en cada momento del tiempo  ej. precios activos financieros Como no es una muestra aleatoria hay diferentes problemas que considerar (Econometra II) Tendencias, estacionalidad& sern aspectos importantes2mZZZ        w La Cuestion de la Causalidad,  Establecer simplemente relaciones entre variables econmicas raramente es suficiente Queremos que las relaciones o efectos puedan ser consideradas causales Si somo capaces de controlar por todas las dems variables, entonces el estimado efecto  ceteris paribus puede considerarse causal En general es MUY dificil establecer causalidadTT$            s%Ejemplo: Rendimientos de la Educacin&&6   Los modelos de inversin en capital humano implican que un nivel ms alto de educacin debera implicar unas ganancias salariales mayores De forma simple esto implica*    ?uEjemplo: (continua) 6 La estimacin de b1, es el rendimiento de la educacin, pero puede ser considerado causal? El termino error, u, incluye otros factores que afectan la variable earnings. Nos gustara controlas por esos factores tanto lo que sea posible Algunas cosas permanecen inobservadas y esto puede ser muy problemtico 7 Y          /T{r ϭy.( y  t,KEquation Equation.30,Microsoft Equa ՜.+,0t    ( Presentacin en pantallaaDartmouth CollegentW +  Times New RomanTahoma WingdingsSymbol BlueprintMicrosoft Equation 3.0Welcome a Econometra IQue es la Econometra?Por qu estudiar Econometra?Por qu estudiar Econometra?!Tipos de Datos Seccin CruzadaTipos de Datos Panel"Tipos de Datos- Series TemporalesLa Cuestion de la Causalidad&Ejemplo: Rendimientos de la EducacinEjemplo: (continua) Fuentes usadasPlantilla de diseoServidores OLE incrustadosTtulos de diapositiva %_3  KJesus GonzaloJesus Gonzios activos financieros Como no es una muestra aleatoria hay diferentes problemas que considerar (Econometra II) Tendencias, estacionalidad& sern aspectos importantes2mZZZ        w La Cuestion de la Causalidad,  Establecer simplemente relaciones entre variables econmicas raramente es suficiente Queremos que las relaciones o efectos puedan ser consideradas causales Si somo capaces de controlar por todas las dems variables, entonces el estimado efecto  ceteris paribus puede considerarse causal En general es MUY dificil establecer causalidadTT$            s%Ejemplo: Rendimientos de la Educacin&&6   Los modelos de inversin en capital humano implican que un nivel ms alto de educacin debera implicar unas ganancias salariales mayores De forma simple esto implica*    ?uEjemplo: (continua) 6 La estimacin de b1, es el rendimiento de la educacin, pero puede ser considerado causal? El termino error, u, incluye otros factores que afectan la variable earnings. Nos gustara controlas por esos factores tanto lo que sea posible Algunas cosas permanecen inobservadas y esto puede ser muy problemtico 7 Y          /T{r% # y