Está en la página 1de 5

Gua de Estudio y Metodologa de Evaluacin

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO


Facultad de Ciencias Econmicas y Sociales

Materia: Seminario de Investigacin Econmica


Prof.: Nerys Ramrez Mordn | Monitor: Isaac Guerra
Semestre 2017-2

1. Metodologa y evaluacin

La investigacin econmica en la actualidad requiere de una serie de herramientas


fundamentales, esta materia pretende desarrollar el uso de estas herramientas entre los
estudiantes de economa.1 El enfoque metodolgico es netamente aplicado, en las clases se
desarrollan ejemplos de anlisis de datos (de distintas estructura) e investigaciones e
indicndose aplicaciones de uso inmediatamente. Estos se desarrollan desde un enfoque
moderno, segmentando los datos de corte transversal a los datos de series de tiempo y los
datos de panel. En tal sentido, los ejercicios de clases se complementan con otras
investigaciones obligatorias (que llamaremos entregas) que sern entregadas al final de
cada tema. En tanto, los conceptos tericos se evaluaran mediante exmenes parciales.

La evaluacin de la materia seria:

Teora (70 pts.) Practicas (30 pts.)


Nerys Ramrez Mordn Isaac Guerra
- 1 investigacin final, 25pts. - Prcticas en Stata 30pts.
- 4 test breves/articulos (5pts. c/u.)
- Examen final. 25pts.

Todas las entregas se realizan de forma digital, salvo la final, al correo:


info.nerysramirez@gmail.com. Las fechas de entregas indicadas son impostergables y el
plagio total o parcial de los trabajos ser penalizado.

Todas las entregas deben ser escritas pueden redactarse en cualquier programa, no obstante
el trabajo final debe entregarse obligatoriamente en Latex2. En el caso de las practicas, en las
clases se mostraran como realizar los procedimientos en Stata, no obstante, la eleccin o no
de un software es criterio propio, por lo que, las tareas pueden realizarse en otro programa
de su eleccin como R, Eviews, Matlab, etc.

1 Aunque la materia tiene como pre-requisito otras materias similares.


2
Anexo link para introducirse en latex: https://www.youtube.com/watch?v=6akfDSf7omQ
2. Objetivos

- Desarrollar en los estudiantes la capacidad de investigar, desde un enfoque aplicado


e integrado al uso de software. Consolidando los conocimientos con los
conocimientos tericos.
- Ensear el manejo de Stata como herramienta de investigacin econmica.
- Practicar la redaccin de informe y la presentacin de investigaciones econmicas.
- Repasar los conceptos fundamentales de las fases de investigacin econmica,
aprendidas en las materias previas relacionadas.
- Ensear el dominio de las tcnicas de investigacin en funcin del tipo de dato
utilizado y los objetivos de la investigacin, es decir, bajo un enfoque moderno: es
decir, segmentando la informacin de corte transversal de aquella comprendida en
series temporales.
- Tratar tpicos especiales de econometra, relacionados con anlisis de modelos.

3. Programa de clases

Clase 0. Presentacin: metodologa, evaluacin y objetivos de la asignatura.

Tema I. Fases de la investigacin econmica


Clase 1. Fases de la investigacin cuantitativa
Clase 2. Peculiaridades de la investigacin econmica: sesgos, dinmica y subjetividad
Clase 3. El artculo cientfico: estructura y presentacin de un paper en economa
(test/entrega 1)

Referencias tema 1:

1. Blaug, Mark (1980). La metodologa de la economa. Alianza Universidad.


2. Borbn, A. y Mora, Walter (2013). Edicin de textos cientficos en Latex. Instituto
tecolotico de Costa Rica.
3. Loria, E. (2006). En defensa de la macroeconometra estructural. Facultad de
Economa, Universidad Nacional Autnoma de Mxico (UNAM).
4. Nassim, N. (2006). El cisne Negro.
5. Price, Leonel (1996). El anlisis econmico en un banco central Modelos versus
criterio personal. Bank of England.
6. Sampieri, R, Fernndez, C, Baptista, (2010). Metodologa de la investigacin. (5ta.
ed.). D.F., Mxico: McGraw Hill.

Tema II. Estadsticas descriptivas y bases de hogares


Clase 4. Preliminares: estadstica descriptiva, variables y bases de datos: teora
Clase 5. El anlisis descriptivo de datos en economa: Stata
Clase 6. Herramientas de anlisis descriptivo: tablas y grficos en Stata
Clase 7. Anlisis de bases de hogares en Stata: cmo usar la ENCFT
(test/entrega 2)

Referencias tema 2:

1. Banco Central de la Repblica Dominicana (2016). Encuesta Nacional de Fuerza de


Trabajo.
2. Escobar, Modesto; Macas, Enrique y Bernardi, Fabrizio. Anlisis de datos con
Stata. 2da. Edicin. Cuadernos Metodolgicos.
3. Nicoletti, Nicholas (2011). Getting started with satata programming. University at
Buffalo (SUNY). Department of Political Science.
4. Stata Press (2013). Stata glossary and index (Release 13). A Stata Press Publication.
College Station, Texas.
5. Vsquez, Javiera (2010). Curso Nivelacin STATA. Magster en Polticas Pblicas.
Centro Microdatos.
6. Rodriguez, Germn. Stata tutorial. Office of Population Research, Princenton
University.
7. Wackerly, Dennis; Mendenhall, William and Scheaffer, Richard. Mathematical
statistics with applications. Cengage Learning. 7th ed.

Tema III. Diseo y pruebas de hiptesis en la investigacin econmica


Clase 8. Repaso de inferencia estadstica y teora de probabilidad
Clase 9. Diseo de investigacin y tipos de hiptesis
Clase 10. Test de hiptesis: preliminares estadsticos
Clase 11. Test de hiptesis en Stata: chi-cuadrado| correlacin| ANOVA y t-students
(test/entrega 3)

Referencias tema 3:

1. Casella, George and Berger, Roger (2002). Statistical Inference. Thomson Learning.
Second edition.
2. Garca-Donato, Gonzalo (2013). Teora estadstica. Universidad de Castilla-La
Mancha
3. Rau, Toms (2015). Teora Economtrica 1. Pontificia Universidad de Chile.
4. Wackerly, Dennis; Mendenhall, William and Scheaffer, Richard. Mathematical
statistics with applications. Cengage Learning. 7th ed.

Tema IV. Microeconometra


Clase 12. Repaso de econometra: el modelo de regresin mltiple
Clase 13. Validacin de los supuestos y modelos robustos
Clase 14. Formas funcionales: dummys, iteraciones, elasticidades y rendimientos
Clase 15. Robustez de resultados y estudio de causalidad
Clase 16. Modelos de variable dependiente limitada: Logit y Probit
Clase 17. Endogeneidad y modelos de variables instrumentales
(test/entrega 4)

Referencias tema 4:
1. Baum, C. (2006). An Introduction to Modern Econometrics Using Stata. Oak
Square School.
2. Gujarati, Danomar (2009). Econometra.
3. Nicoletti, Nicholas (2011). Getting started with satata programming. University at
Buffalo (SUNY). Department of Political Science.
4. Stata Press (2013). Stata glossary and index (Release 13). A Stata Press Publication.
College Station, Texas.
5. Rau, Toms (2015). Teora Economtrica 1. Pontificia Universidad de Chile.
6. Wooldridge, Jeffrey (2015). Introductory econometrics: A modern approach.

Tema VI. Macroeconometra


Clase 18. Introduccin a las series temporales
Clase 19. Series de tiempo univariadas: ARIMA, Dickey-Fuller
Clase 20. Modelos multivariados: VAR y AVAR
Clase 21. Modelos multivariados: cointegracin, causalidad, MCE, VCE
Clase 22. Investigacin aplicada a los pronsticos
Clase 23. Modelos univariados de volatilidad: GARCH, GARCH asimtricos
Clase 24. Modelos de transferencia de volatilidad: MGARCH multivariados
Clase 25. Examen Final

Referencias tema 5:
1. Enders, W. Applied Econometrics Time Series. Wiley. 3era. Edicin.
2. Ignacio, Lobato (2016). Macroeconometria: notas de inferencia. ITAM
3. Kirchgssner, Gebhard y Wolters, Jrgen (2007). Introduction to Modern Time
Series Analysis. Springer. Berlin Heidelberg.
4. Novales, Alfonso (2016). Modelos GARCH. Universidad Complutense de Madrid.
5. Novales, Alfonso (2016). Series temporales univaridas: ARIMA. Universidad
Complutense de Madrid
6. Stata Press (2013). Stata glossary and index (Release 13). A Stata Press Publication.
College Station, Texas.
Tema V. Curso de anlisis de polticas pblicas
Clase 26. Datos panel: estructura de los datos y estimaciones bsicas.
Clase 27. Diferencias en diferencias: estudio de polticas pblicas.
Clase 28. Microsimulaciones.
Entrega trabajo final

Referencias tema 6:

1. Wooldridge, Jeffrey (2015). Introductory econometrics: A modern approach.


2. Wooldridge, Jeffrey (2002). Econometric Analysis of Cross Section and Panel Data.
MIT, Cambridge, Massachusetts. London, England.
3. Labra, Romilio y Torrecillas, Romilio (2016). Gua CERO para datos de panel. Un
enfoque prctico. Universidad Autnoma de Madrid.
https://www.uam.es/docencia/degin/catedra/documentos/16_Guia%20CERO%20p
ara%20datos%20de%20panel_Un%20enfoque%20practico.pdf

Exitos!!!