Sílabo del curso

ECONOMETRÍA
Agosto – diciembre 2021

VII Ciclo

Cortez, Jorge
I. Datos generales del curso
Nombre del Econometría
curso:
Requisito: Matemática para Código: 03115
Economistas
Estadística Aplicada |
Estadística inferencial
Precedente: No tiene Semestre: 2021-2

Créditos: 4 Ciclo: VII

Horas 4 horas teóricas Modalidad del Remoto-Síncrono

semanales: / 2 horas prácticas curso:

Tipo de Curso Curso obligatorio: Coordinador Jubitza Franciskovic I.

y Carreras Todas las carreras del curso: jfranciskovic@esan.edu
.pe

II. Sumilla

El objetivo del presente curso es brindar al alumno un conjunto de conceptos estadístico-

matemáticos que le permita realizar una adecuada verificación de hipótesis económicas.

Se aborda el análisis principalmente en el caso en el que la conducta de los agentes

puede ser expresada en modelos uniecuacionales. Igualmente se hace un
planteamiento general en el caso de modelos simultáneos.

En el caso uniecuacionales se desarrolla el modelo lineal general y se plantea el caso

en el que los supuestos del mismo se incumplen. Posteriormente se hace un análisis de
series de tiempo

III. Objetivos del Curso

Al finalizar del curso, el alumno está en capacidad de abordar la estimación, pruebas de

hipótesis y predicción de la conducta de los agentes económicos para modelos
uniecuacionales.
Además, reconoce el tratamiento de modelos de conducta interrelacionada o modelos
simultáneos.

IV. Resultados de aprendizaje:

Con el aprendizaje satisfactorio de los contenidos, el alumno:

• Identifica la necesidad de analizar una conducta con el modelo lineal general

• Obtiene los estimadores de los parámetros del MLG y reconoce sus
propiedades.
• Aborda el incumplimiento de los supuestos del MLG, detectando y corrigiendo la
situación.
• Realiza la predicción y evalúa la capacidad predictiva de un modelo
• Identifica los modelos de series de tiempo, estima y predice con ellos

Sílabo del Curso de “Econometría” 2

 • Plantea y estima modelos simultáneos.
• Reconoce el problema de identificación de ecuaciones estructurales.
• Aborda planteamientos con vectores autoregresivos.
• Demuestra la habilidad de análisis y toma de decisiones en la elaboración de un
informe escrito en el cual presentan un modelo econométrico aplicado a la
realidad económica.

V. Metodología

Los temas serán expuestos por el profesor del curso, propiciando la participación activa
de los alumnos. Para ello, es necesario que los alumnos asistan a cada sesión de clase
habiendo revisado los conceptos aprendidos en las clases previas, así como la
bibliografía correspondiente.

El curso cuenta con sesiones teóricas y prácticas dirigidas, las cuales permitirán reforzar
el aprendizaje de los temas estudiados, así como aplicar las técnicas de estimación
desarrolladas en clase y preparar a los alumnos para las evaluaciones del curso.
Toda la información relevante y presentaciones del curso serán publicadas en la
plataforma uevirtual.ue.edu.pe.

VI. Evaluación

El promedio final del curso se obtiene mediante la suma ponderada del examen parcial
(20%), examen final (30%) y la evaluación permanente (50%), de la siguiente manera:

PF = 0,20*EP + 0,50*PEP + 0,30*EF

La composición de la evaluación permanente se muestra en el siguiente recuadro:

PROMEDIO DE EVALUACIÓN PERMANENTE 50%

Ponderación
Tipo de evaluación Descripción
%
4 prácticas calificadas
Practicas calificadas (PC) (Se elimina la nota más 60%
baja)
A realizarse en las prácticas
Evaluaciones orales (EO) 20%
dirigidas

4 entregas (de 5 puntos

Trabajo de investigación 20%
cada una)

Las prácticas calificadas se rinden en las fechas señaladas en el contenido programado

y publicado en el aula virtual. La estructura de las prácticas calificadas será colocada
oportunamente en el aula virtual la semana previa a la evaluación. Las instrucciones
sobre las evaluaciones orales y el trabajo de investigación se encuentran en la sección
de Consideraciones Adicionales al final de este documento.

Sílabo del Curso de “Econometría” 3

VII. Contenido programado

ACTIVIDADES /
SEMANA CONTENIDOS
EVALUACIÓN

UNIDAD DE APRENDIZAJE I: DEFINICIÓN Y MÉTODO

RESULTADOS DE APRENDIZAJE:
• Identifica la necesidad de analizar una conducta con el modelo lineal general.

1.1. Definición de Econometría

1.2. Método de Análisis Discusión en clases
1° 1.3. Planteamiento del Modelo Lineal General
Del 23 al 28
de agosto Lecturas recomendadas:
Gujarati, D. N., & Porter, D. C. (2010). Introducción.
En Econometría (págs. 1-12). México D.F:
McGrawHill

UNIDAD DE APRENDIZAJE II: MODELO LINEAL GENERAL

RESULTADOS DE APRENDIZAJE:
• Identifica la necesidad de analizar una conducta con el modelo lineal general.
• Obtiene los estimadores de los parámetros del MLG y reconoce sus propiedades.

2.1. Planteamiento de Supuestos

2.1.1. Respecto de la perturbación
2.1.2. Respecto de los parámetros
2.1.2. Respecto de la Data Práctica Dirigida N°1
2° 2.2. Técnicas de estimación
Del 30 de
Lecturas recomendadas:
agosto al 4 de Greene, W. H. (2003). The Classical Multiple Linear
setiembre Regression Model. En Econometric analysis
(págs. 7-18). Upper Saddle River, New Jersey:
Prentice-Hall
Novales Cinca, A. (1993). El modelo lineal general.
En Econometría (págs. 52-80). Madrid:
McGraw Hill.

2.3. Estimación de los Parámetros

2.4. Propiedades de los estimadores
2.5. Funciones de densidad básicas.
3°
Del 6 al 11 de Lecturas recomendadas:
Greene, W. H. (2003). Least Squares. En
setiembre
Econometric analysis (págs. 19-38). Upper Práctica Dirigida N°2
Saddle River, New Jersey: Prentice-Hall.
Greene, W. H. (2003). Finite- sample properties of the
least squares estimator. En Econometric
analysis (págs. 41-50). Upper Saddle River,
New Jersey: Prentice-Hall.

Sílabo del Curso de “Econometría” 4

 Novales Cinca, A. (1993). Matrices de covarianzas
no escalares. En Econometría (págs. 161-
164). Madrid: McGraw Hill.

2.6. Pruebas de hipótesis

2.7. Bondad de Ajuste
2.8. Predicción Práctica Dirigida N°3
4°
Del 13 al 18 Práctica Calificada N°1
Lecturas recomendadas:
de setiembre Greene, W. H. (2003). Inference and Prediction. En 18 de setiembre
Econometric analysis (págs. 93-104). Upper
Saddle River, New Jersey: Prentice-Hall
Novales Cinca, A. (1993). Inferencia en el modelo
lineal. En Econometría (págs. 113-127).
Madrid: McGraw Hill.

UNIDAD DE APRENDIZAJE III: RELAJAMIENTO DE SUPUESTOS DEL MLG

RESULTADOS DE APRENDIZAJE:
• Aborda el incumplimiento de los supuestos del MLG, detectando y corrigiendo la
situación.
• Realiza la predicción y evalúa la capacidad predictiva de un modelo.
• Identifica los modelos de series de tiempo, estima y predice con ellos.

3.1. Heterocedasticidad

Lecturas recomendadas:
Greene, W. H. (2003). Heteroscedasticity. En
Econometric analysis (págs. 215-228). Upper
Saddle River, New Jersey: Prentice-Hall
5°
Gujarati, D. N., & Porter, D. C. (2010).
Del 20 al 25 Heteroscedasticidad: ¿qué pasa si la varianza Práctica Dirigida N°4
del error no es constante? En Econometría
de setiembre
(págs. 365-395). México D.F: McGrawHill.
Novales Cinca, A. (1993). Matrices de covarianzas no
escalares. En Econometría (págs. 164-179).
Madrid: McGraw Hill
Novales Cinca, A. (1993). Heterocedasticidad. En
Econometría (págs. 193-206). Madrid: McGraw
Hill

3.2. Heterocedasticidad

Lecturas recomendadas:
6° Greene, W. H. (2003). Heteroscedasticity. En
Econometric analysis (págs.215-228). Upper
Del 27 de Saddle River, New Jersey: Prentice-Hall. Práctica Dirigida N°5
Gujarati, D. N., & Porter, D. C. (2010).
setiembre al
Heteroscedasticidad: ¿qué pasa si la varianza
del error no es constante? En Econometría Práctica Calificada N°2
02 de octubre
(págs. 365-395). México D.F: McGrawHill.
Novales Cinca, A. (1993). Heterocedasticidad. En 02 de octubre
Econometría (págs. 193-206). Madrid: McGraw
Hill

Sílabo del Curso de “Econometría” 5

 3.3. Heterocedasticidad
3.4. Autocorrelación

Lecturas recomendadas:
Greene, W. H. (2003). Heteroscedasticity. En
Econometric analysis (págs.215-228). Upper
Saddle River, New Jersey: Prentice-Hall
Greene, W. H. (2003). Serial correlation. En Práctica Dirigida N°6
7° Econometric analysis (págs. 250-277). Upper
Del 04 al 09 Saddle River, New Jersey: Prentice-Hall
Gujarati, D. N., & Porter, D. C. (2010).
de octubre
Heteroscedasticidad: ¿qué pasa si la varianza
del error no es constante? En Econometría
(págs. 365-395). México D.F: McGrawHill.
Novales Cinca, A. (1993). Heterocedasticidad. En
Econometría (págs. 193-206). Madrid: McGraw
Hill
Novales Cinca, A. (1993). Autocorrelación. En
Econometría (págs. 224-227). Madrid: McGraw
Hill

8°
Del 11 al 16 EXÁMENES PARCIALES
de octubre

3.5. Autocorrelación.

Lecturas recomendadas:
Gujarati, D. N., & Porter, D. C. (2010).
Autocorrelación: ¿qué pasa si los términos de
9° Discusión en clases
error están correlacionados? En Econometría
Del 18 al 23 (págs. 413-447). México D.F: McGrawHill.
de octubre Greene, W. H. (2003). Serial correlation. En
Econometric analysis (págs. 250-277). Upper
Saddle River, New Jersey: Prentice-Hall
Novales Cinca, A. (1993). Autocorrelación. En
Econometría (págs. 224-247). Madrid: McGraw
Hill

3.6. Error de especificación

10° Lecturas recomendadas:

Gujarati, D. N., & Porter, D. C. (2010). Creación de
Del 25 al 30 modelos econométricos: especificación del Práctica Dirigida N°7
de octubre modelo y pruebas de diagnóstico. En
Econometría (págs. 464-473). México D.F:
McGrawHill.

Sílabo del Curso de “Econometría” 6

 3.7. Inestabilidad de Parámetros

Práctica Dirigida N°8

11° Lecturas recomendadas:
Gujarati, D. N., & Porter, D. C. (2010). Análisis de Práctica Calificada N°3
Del 01 al 06
regresión múltiple: el problema de la
de noviembre inferencia. En Econometría (págs. 254-259). 06 de noviembre
México D.F: McGrawHill.
Novales Cinca, A. (1993). Inferencia en el modelo
lineal. En Econometría (págs. 140-145).
Madrid: McGraw Hill.

3.8. Multicolinealidad
3.9. Regresores Estocásticos

Lecturas recomendadas:
Greene, W. H. (2003). Finite-sample properties of the
12° least squares estimator. Econometric
analysis (págs. 47-49). Upper Saddle River, Práctica Dirigida N°9
Del 08 al 13 .
New Jersey: Prentice-Hall
de noviembre Gujarati, D. N., & Porter, D. C. (2010).
Multicolinealidad: ¿qué pasa si las regresoras
están correlacionadas? En Econometría (págs.
320-332). México D.F: McGrawHill.
Novales Cinca, A. (1993). Diferencias muestrales:
Multicolinealidad y errores de medida. En
Econometría (págs. 344-361). Madrid: McGraw
Hill

UNIDAD DE APRENDIZAJE IV: MODELOS SIMULTÁNEOS

RESULTADOS DE APRENDIZAJE:
• Plantea y estima modelos simultáneos.
• Reconoce el problema de identificación de ecuaciones estructurales.
• Aborda planteamientos con vectores autoregresivos.
• Demuestra la habilidad de análisis y toma de decisiones en la elaboración de
un informe escrito en el cual presentan un modelo econométrico aplicado a la
realidad económica.

4.1.Modelos Simultáneos- Identificación

4.2.Supuestos
4.3.Estimación

13° Práctica Dirigida N°10

Del 15 al 20 Lecturas recomendadas:
Gujarati, D. N., & Porter, D. C. (2010). Métodos de
de noviembre ecuaciones simultáneas. En Econometría
(págs. 673-684). México D.F: McGrawHill.
Novales Cinca, A. (1993). Modelos de ecuaciones
simultáneas. I. Especificación e identificación.
En Econometría (págs. 565-591). Madrid:
McGraw Hill.

Sílabo del Curso de “Econometría” 7

 4.4 Estimación
4.5. Bondad de Ajuste
14° 4.6. Simulación y Predicción Práctica Dirigida N°11
Del 22 al 27
Práctica Calificada N°4
de noviembre Lecturas recomendadas: 27 de noviembre
Gujarati, D. N., & Porter, D. C. (2010). Métodos de
ecuaciones simultáneas. En Econometría
(págs. 673-684). México D.F: McGrawHill.

4.7. Vectores Autorregresivos

15°
Lecturas recomendadas:
Del 29 de Gujarati, D. N., & Porter, D. C. (2010). Modelos
noviembre al econométricos dinámicos: modelos
Práctica Dirigida N°12
autorregresivos y de rezagos distribuidos. En
04 de
Econometría (págs. 634-645). México D.F:
diciembre McGrawHill.
Novales Cinca, A. (1993). Modelos de series
temporales. En Econometría (págs. 413-445).
Madrid: McGraw Hill.
16°
Del 06 al 11de
diciembre
EXÁMENES FINALES

Sílabo del Curso de “Econometría” 8

VIII. Bibliografía

Alonso, A.; Fernández, J. Gallastegui, I. (2005): Econometría. Madrid: Pearson

Gujarati, D. N., & Porter, D. C. (2010). Econometría: Damodar N. Gujarati y Dawn C.

Porter (5a.ed..). México: McGraw Hill.

Greene, W. H. (2000). Econometric analysis. Upper Saddle River, N.J: Prentice Hall.

Johnston, J. and Dinardo, J. (2001). Métodos de Econometría. Barcelona: Vicens Vives.

Maddala, G.S. (1985). Econometría. México D.F: McGrawHill.

Novales, A. (1993). Econometría. Madrid: McGraw Hill

Pindyck, R. S. (1991). Econometric models and economic forecasts. New York:

McGraw-Hill

Pulido, A. (2001). Modelos econométricos. Madrid: Pirámide

Banco Central de Reserva del Perú. Estadísticas. Recuperado de

http://estadisticas.bcrp.gob.pe/

IX. Profesor

Jorge Alberto Cortez Cumpa

jcortez@esan.edu.pe

Sílabo del Curso de “Econometría” 9

X. Consideraciones adicionales

a. Trabajo de Investigación:

Se rige por las pautas indicadas en el documento del aula virtual llamado “Guía para
trabajo grupal”.

b. Evaluaciones orales:

Se rigen por las siguientes pautas:

• La nota se conforma por 5 participaciones durante el ciclo (en horario de

prácticas dirigidas).
• Se formarán grupos de 3 (aleatoriamente de la lista de alumnos de la sección)
para cada participación, en la que se asignará una pregunta de discusión grupal
y la nota será igual para los 3 alumnos donde el puntaje máximo es 4 puntos.
• En caso un alumno falte a la práctica dirigida en la que su nombre fue anunciado
tendrá la nota de 0 en esa participación. De forma excepcional, podrá justificar
oportunamente su inasistencia (screenshots o fotos del problema de
conectividad a la hora específica, justificación laboral, de salud, u otros) para
poder rendir un rezagado el domingo de esa misma semana.
• Los criterios de evaluación se basan en: el conocimiento teórico, el
entendimiento de la pregunta, la capacidad de análisis y la estructuración y
claridad de las ideas.

c. Cualquier cambio en las consideraciones generales requerirá de un acuerdo

adoptado por unanimidad entre los todos los alumnos matriculados no retirados,
el profesor del curso y los jefes de práctica.

Sílabo del Curso de “Econometría” 10