Vicerrectoría Académica

Dirección de Docencia

UNIVERSIDAD LA GRAN COLOMBIA

Formato de Syllabus
(Cursos virtuales)

1. Descripción general del curso

1.1 Datos generales
Facultad o unidad académica Programa: Área de formación: Curso:
CIENCIAS ECONÓMICAS, ECONOMÍA INSTRUMENTAL ECONOMETRÍA DOS
ADMINISTRATIVAS Y CUANTITATIVA
CONTABLES
Código: Periodo académico: Semestre: Número Número
2018-I SEXTO de de horas:
crédito: 144
3
Profesor: Correo electrónico institucional: Fecha de elaboración:
Alexander Rodríguez Romero alexander.rodriguez@ugc.edu.co 10-12-2017
Diseñador de curso: Fecha de actualización: Aprobado por:
Alexander Rodríguez Romero 10-12-2017 Víctor Manuel Pérez

1.2 Contexto general del curso

La Econometría es “la aplicación de técnicas estadísticas a datos económicos para analizar las relaciones
empíricas entre las variables económicas, de acuerdo con lo que sugiere la teoría y obtener resultados
numéricos” (Gujarati & Porter, 2010, p. 1). La Econometría es una metodología de trabajo y una herramienta
útil en la práctica profesional del economista en la cual se conjugan la teoría económica, las matemáticas
y la estadística, particularmente aquella de tipo inferencial para probar hipótesis.

La Econometría se emplea para estimar estadísticamente relaciones cuantitativas entre variables

económicas con el propósito de probar las teorías o para apoyar la toma de decisiones de política pública
o de negocios privados (Wooldridge, 2010, p. 1). Entendida así, la Econometría se convierte en una
disciplina auxiliar para el economista en su práctica profesional ya que es un instrumento de análisis
aplicable en diversos campos que atañen a los economistas como la evaluación de proyectos de inversión,
la evaluación de impacto de las políticas públicas, la caracterización de mercados y la prospectiva
económica, entre otros, por lo cual su estudio para el futuro profesional es indispensable en su formación.

El estudio y la práctica de la Econometría ayuda al profesional a responder preguntas como ¿qué relación
existe entre la tasa de crecimiento del PIB y la tasa de desempleo?, ¿cuáles son los efectos de la inflación
sobre la distribución del ingreso real?, ¿hasta qué punto las políticas públicas influyen sobre el nivel de
producción y de empleo en la economía?, ¿qué relación existe entre la emisión monetaria y la demanda
agregada con la inflación?, ¿qué factores influyen de manera importante sobre la mortalidad infantil?, ¿cuál
es el nivel de tasa de cambio de equilibrio?, ¿qué factores tienen influencia preponderante en el valor de
las exportaciones?, entre otras, y también incorpora herramientas útiles para realizar pronósticos sobre las
variables y evaluar su nivel de confianza.

Copia no controlada
 Vicerrectoría Académica
Dirección de Docencia

El curso de Econometría II busca aportar al estudiante conocimientos formales sobre la especificación de

modelos econométricos, la identificación y solución del problema de endogeneidad, los principales
elementos de la teoría de las series de tiempo univariadas y la estimación de modelos de ecuaciones
simultáneas. Todas herramientas de uso cotidiano para el analista macroeconómico.

El enfoque de la econometría es entender la economía y los modelos que la describen como procesos
estocásticos. En este contexto, se presenta la construcción de los modelos de series de tiempo económicas
y de ecuaciones simultáneas con el propósito de elaborar pronósticos.

Finalmente, la importancia del componente cuantitativo del análisis económico ha venido creciendo con el
avance de la teoría económica. Es así como los modelos macroeconómicos se han beneficiado
enormemente con el avance de los métodos econométricos y de series de tiempo, pues una parte
importante de sus hipótesis se ha podido verificar empíricamente mediante el uso de modelos macro-
econométricos, que corresponden a la mayoría del temario incluido en el presente curso.

2. Intencionalidades formativas
2.1. Propósitos de formación
Propósitos generales:
Introducir a los estudiantes en las herramientas econométricas habitualmente empleadas para seleccionar
modelos adecuados, estimar elasticidades, tasas de crecimiento, procesos generadores de datos para
series de tiempo y ecuaciones reducidas y estructurales en un contexto de ecuaciones simultáneas, así
como en sus supuestos, aplicaciones y limitaciones, todo con miras a aplicar un instrumental cuantitativo
útil para formular posibles soluciones a problemas de orden socioeconómico.
Propósitos específicos:
 Aplicar herramientas que permitan resolver el problema de endogeneidad en un modelo econométrico.
 Identificar los procesos generadores de datos de las series de tiempo correspondientes a las principales
variables macroeconómicas.
 Estimar modelos que permiten calcular elasticidades, tasas de crecimiento, PGD para series de tiempo,
solucionar problemas de endogeneidad y deducir las ecuaciones estructurales a partir de las
ecuaciones reducidas.
 Interpretar los resultados de las anteriores estimaciones de manera adecuada respecto a la teoría
económica de base y el contexto del problema.
 Estudiar las bases conceptuales y metodológicas de los modelos incluidos en el curso.
 Aplicar los conceptos teóricos, el análisis de resultados y la interpretación de salidas de un software
especializado.

2.2. Eje problematizador

¿Cómo a partir de capacidades de abstracción y formalización cuantitativa es posible modelar, analizar y
proponer soluciones a situaciones problema de tipo social y económico?

Copia no controlada
 Vicerrectoría Académica
Dirección de Docencia

Problema de discusión del curso

¿Cómo se emplean los modelos econométricos probabilísticos, de series de tiempo univariadas y de
ecuaciones simultáneas para caracterizar fenómenos económicos, analizar problemáticas económicas y
tomar decisiones de política económica y para los negocios privados?

2.3. Competencias
Capacidad para abstraer realidades, detectar y operacionalizar problemas económicos y técnicos por
medio del conocimiento de la teoría económica y los instrumentos lógicos, matemáticos y estadísticos que
le permiten modelar la realidad.

2.4. Resultados de Aprendizaje Esperados

 Asimila, apropia y reproduce el manejo de modelos econométricos de series de tiempo y ecuaciones
simultáneas, así como de las herramientas para detectar errores de especificación.
 Estima modelos econométricos para calcular elasticidades, tasas de crecimiento, influencia de
variables cualitativas, así como de series de tiempo y de ecuaciones simultáneas.
 Estructura pruebas de hipótesis sobre los resultados estimados de los modelos econométricos vistos.
 Maneja herramientas computacionales específicas e interpreta correctamente los resultados.
 Fortalece los procesos de análisis, síntesis y crítica.
 Aplica el análisis formal a la comprensión de la realidad y a la toma de decisiones de política
económica y para los negocios privados.

3. Desarrollo del proceso de aprendizaje

Resultados de
Estrategia de Trabajo
Semana Competencia aprendizaje Recursos
Ejes temáticos aprendizaje independiente
esperados

Estima modelos El estudiante Aprendizaje Lecturas Syllabus,

para calcular debe estar en basado en recomendadas, lecturas,
elasticidades, la capacidad problemas y desarrollo de taller guía de
tasas de Introducción,
de estimar aplicación y aplicaciones aprendiza
crecimiento e estimación de
modelos para computacional. computacionales je, foro,
identifica cómo elasticidades y
calcular remotas usando
se usan las tasas de bases de
elasticidades y Stata, SPSS o
1 variables crecimiento, datos,
tasas de Eviews.
dicotómicas uso de glosario y
crecimiento,
para incluir variables aplicación
así como
características dicotómicas. remota.
de tipo incorporar
cualitativo. variables
cualitativas.

Copia no controlada
 Vicerrectoría Académica
Dirección de Docencia

Caracteriza un El estudiante Aprendizaje Lecturas Lecturas,

modelo debe estar en basado en recomendadas, guía de
econométrico la capacidad problemas y desarrollo de taller aprendiza
que presenta de identificar aplicación y aplicaciones je, foro,
problemas de los problemas computacional. computacionales
endogeneidad. bases de
de remotas usando
datos,
especificación Stata, SPSS o
glosario y
en los cuales Problemas de Eviews.
puede incurrir aplicación
especificación
2 cuando remota.
y
plantea un endogeneidad
modelo
econométrico,
así como las
consecuencias
y soluciones a
la
endogeneidad

Identifica un El estudiante Aprendizaje Lecturas Lecturas,

modelo de debe estar en basado en recomendadas, guía de
ecuaciones la capacidad problemas y desarrollo de taller aprendiza
simultáneas de diferenciar aplicación y aplicaciones je, foro,
cuando un computacional. computacionales bases de
modelo de Identificación remotas usando
datos,
ecuaciones de un modelo Stata, SPSS o
3 glosario y
simultaneas de ecuaciones Eviews.
aplicación
está simultáneas
subidentificado remota.
, exactamente
identificado o
sobreidentifica
do.

Estima un El estudiante Aprendizaje Lecturas Lecturas,

modelo de debe estar en basado en recomendadas, guía de
ecuaciones Estimación de
la capacidad problemas y desarrollo de taller aprendiza
simultáneas un modelo de
4 de estimar un aplicación y aplicaciones je, foro,
ecuaciones
modelo de computacional. computacionales bases de
simultáneas.
ecuaciones remotas usando
datos,
simultáneas a

Copia no controlada
 Vicerrectoría Académica
Dirección de Docencia

partir de las Stata, SPSS o glosario y

ecuaciones Eviews. aplicación
reducidas y remota.
obtener las
ecuaciones
estructurales.

Simula e El estudiante Aprendizaje Lecturas Lecturas,

identifica los debe estar en basado en recomendadas, guía de
diferentes capacidad de problemas y desarrollo de taller aprendiza
Procesos identificar los Procesos aplicación y aplicaciones je, foro,
Generadores de posibles PGD estocásticos, computacional. computacionales
Datos (PGD) bases de
a partir de la series de remotas usando
para una serie datos,
5 ilustración tiempo y Stata, SPSS o
de tiempo. glosario y
gráfica de una Proceso Eviews.
aplicación
serie de Generador de
tiempo y Datos (PGD) remota.
simular series
de tiempo en
Excel.

Diferencia las Aprendizaje Lecturas Lecturas,

características El estudiante basado en recomendadas, guía de
de los modelos debe estar en Procesos problemas, desarrollo de aprendiza
AR, MA, ARMA capacidad de Autorregresivos aplicación taller, aplicaciones je, foro,
y ARIMA, identificar y de (AR), de Media computacional y computacionales bases de
6 diferenciar Móvil (MA), exposición. remotas usando
datos,
procesos Integrados (I), Stata, SPSS o
glosario y
autorregresivo ARMA y Eviews, desarrollo
trabajo final aplicación
s, de media ARIMA
siguiendo guía de remota.
móvil
aprendizaje.

Diferencia un El estudiante Aprendizaje Lecturas Lecturas,

proceso Procesos basado en
debe estar en recomendadas, guía de
estocástico estacionarios problemas y
capacidad de desarrollo de taller aprendiza
estacionarios en en diferencia o aplicación y aplicaciones
identificar y je, foro,
7 diferencias de en tendencia, computacional. computacionales
diferenciar bases de
uno estacionario correlogramas, remotas usando
procesos datos,
en tendencia. prueba de raíz Stata, SPSS o
estocásticos glosario y
unitaria. Eviews.
estacionarios

Copia no controlada
 Vicerrectoría Académica
Dirección de Docencia

en diferencias aplicación
y en tendencia, remota.
así como
aproximar el
PGD a partir
de los
correlogramas
y probar si una
serie de
tiempo posee
o no raíces
unitarias.

Emplea El estudiante Aprendizaje Lecturas Lecturas,

adecuadamente debe estar en basado en recomendadas, guía de
la metodología capacidad de problemas y desarrollo de taller aprendiza
Box Jenkins a emplear la aplicación y aplicaciones
Metodología je, foro,
partir de la metodología computacional. computacionales
estimación para Box Jenkins: bases de
Box Jenkins remotas usando
diferentes series identificación, datos,
para estimar Stata, SPSS o
8 de tiempo estimación, glosario y
modelos Eviews.
macroeconómic prueba de aplicación
ARIMA y
as. validación y remota.
realizar
pronóstico.
pronósticos
sobre las
series de
tiempo.

4. Evaluación
Tipos de evaluación:
Momento Autoevaluación
Estrategias de evaluación
% coevaluación Fecha
heteroevaluación
I Taller estimación de
elasticidades y tasas de
Heteroevaluación (dos talleres,
crecimiento; segundo taller
control de lectura y cuestionario en Segunda
variables proxy, variables
plataforma virtual) y coevaluación semana
60% instrumentales y solución al
(foro)
problema de endogeneidad;
foro y cuestionario.

Copia no controlada
 Vicerrectoría Académica
Dirección de Docencia

II Taller identificación y
Heteroevaluación (taller, control de
estimación de modelos de Cuarta
lectura y cuestionario en plataforma
ecuaciones simultáneas, semana
virtual) y coevaluación (foro)
foro y cuestionario.
III Taller simulación de
procesos generadores de Heteroevaluación (taller, control de
Sexta
datos y pruebas de raíz lectura en plataforma virtual, wiky y
semana
unitaria, foro, wiky y trabajo final) y coevaluación (foro)
sustentación trabajo final.
Momento Taller estimación de un
evaluativo modelo ARIMA a través de
Heteroevaluación (taller y Octava
40% la metodología de Box
cuestionario en plataforma virtual) semana
Jenkins y examen a través
de la plataforma virtual.

5. Referencias bibliográficas
Referencias centrales Ubicación
Gujarati, D. N., & Porter, D. C. (2010). Econometría. (5a ed). México: http://ugc.elogim.com:2151/?il=27
McGraw Hill. 9

Rosales, R. A., Perdomo, J. A., Morales, C. A. & Urrego, J. A. (2013). https://ugc.elogim.com:2437/lib/bi

Fundamentos de Econometría Intermedia. Teoría y Aplicaciones. blioulagrancolsp/reader.action?do
Bogotá: Ediciones Uniandes. cID=3211266

Wooldridge, J. M. (2010). Introducción a la Econometría: Un enfoque No se encuentra en Cengage

moderno (4a ed.). México: Cengage Learning. ebooks

Referencias complementarias Ubicación

Banco de la República (2017). Bases de datos en línea. Consultado http://www.banrep.gov.co/es/-
el 10 de diciembre de 2017. estadisticas

Departamento Administrativo Nacional de Estadística (2017). Bases http://www.dane.gov.co/index.php/

de datos en línea. Consultado el 10 de diciembre de 2017. estadisticas-por-tema

Dornbusch, R., Fischer, S. & Startz, R. (2015). Macroeconomía. (12a http://ugc.elogim.com:2151/?il=14

ed). México D. F.: Mc Graw Hill Interamericana 57

Greene, W. H. (2003). Econometric Analysis. (5th ed). New York: No se encuentra en las bases de
Prentice Hall. datos

Lind, D. A (2015). Estadística aplicada a los negocios y a la http://ugc.elogim.com:2151/?il=22

economía (16a ed). México: Mc Graw Hill Interamericana 66

Copia no controlada
 Vicerrectoría Académica
Dirección de Docencia

Pindick, R. S. & Rubinfeld, D. L (2001) Econometría: Modelos y https://ugc.elogim.com:2437/lib/bi

Pronósticos. (4a ed). México: Mc Graw Hill. blioulagrancolsp/detail.action?docI
D=3193059
Rodríguez, A., Brown, P., Díaz, J. A. & Rodríguez, M. (2013). Impact http://www.scielo.org.co/pdf/rccqf/
of group purchasing in cooperative of hospital in Colombia, using a v42n1/v42n1a06.pdf
price index from 1999 to 2012. Revista Colombiana de Ciencias
Químico Farmacéuticas, Vol. 42 (No. 1), pp.80-102, Universidad
Nacional de Colombia, Bogotá.

Rodríguez, A. (2004). Consumo de energía eléctrica y crecimiento http://www.cid.unal.edu.co/cidactu

económico en Colombia. Boletín del Observatorio Colombiano de al/archivos/observatorios/energia/
Energía (No.13), pp 7-12. Universidad Nacional de Colombia, b13.pdf
Bogotá.

Copia no controlada