Plan de estudios del Curso Análisis econométrico con EViews

  • Básico
  • Intermedio
  • Avanzado

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.

Redes en las que nos puedes ubicar

NÚMEROS EN LOS QUE NOS PUEDES UBICAR

Whatsapp

+51 923 444 442

Skype

institutoICIP

Hangouts

info@icip.pe

Skype

institutoICIP

Whatsapp

+51 923 444 442

Hangouts

info@icip.pe

NÚMEROS EN LOS QUE NOS PUEDES UBICAR

 

Icono Whatsapp

Whatsapp

+51 923 444 442

 

 
info@icip.peinfo@icip.peinfo@icip.ecinfo@icip.com.co

DIRECCIÓN

 

Cal. Santa Florencia 564
Urb. Pando 3era Etapa
Cercado de Lima, Lima - Perú

 

Referencia: Cruce de la Av. Universitaria con la Av. Venezuela

HORARIO DE ATENCIÓN

 
Oficina:
Lunes a Sábado
8:00 am - 4:45 pm

 
Central telefónica

Lunes a Sábado
8:00 am - 10:00 pm
Domingos
8:00 am - 5:00 pm