parteespecifica_gd_13_14.pdf

GUA DOCENTE

PARTE ESPECFICA Curso 2013-2014

1

Grado: Administracin y Direccin de Empresas (GADE)

Doble Grado: Administracin y Direccin de Empresas y Derecho (GADE-GD)

Asignatura: MTODOS ESTADSTICOS Y ECONOMTRICOS EN LA EMPRESA

Ao acadmico: 2013-2014

Semestre: 2

Crditos totales: 6

Curso: 2 GADE / 3 GADE-GD

Lneas: 1 y 2 GADE / 4 y 5 GADE-GD

RESPONSABLE DE LA ASIGNATURA

Nombre: JOS ANTONIO ORDAZ SANZ

Centro: Facultad de Ciencias Empresariales

Departamento: Economa, Mtodos Cuantitativos e Historia Econmica

rea: Mtodos Cuantitativos

Categora: Profesor Contratado Doctor

Lneas y grupos: EB lnea 4 EPD grupo 43

Horario de tutoras: Por determinar

Nmero de despacho: 3.2.17

E-mail: [email protected]

Telfono: 954348549

1. DESCRIPCIN DE LA ASIGNATURA

2. DOCENTES

GUA DOCENTE


2

Nombre: FRANCISCO JAVIER BLANCAS PERAL




Categora: Profesor Contratado Doctor

Lneas y grupos: EB lnea 2 Horario de tutoras: Por determinar



Telfono: 954349279

Nombre: MARA DOLORES CARO VELA




Categora: Profesora Ayudante Doctora

Lneas y grupos: EPD grupos 23 y 52 Horario de tutoras: Por determinar



Telfono: 954348981

GUA DOCENTE


3

Nombre: JULIN LLORENT JURADO




Categora: Profesor Asociado LOU

Lneas y grupos: EPD grupo 22




Telfono: 954348911

Nombre: MARA DEL CARMEN MELGAR HIRALDO




Categora: Profesora Contratada Doctora

Lneas y grupos: EB lnea 5 EPD grupos 42 y 51




Telfono: 954348548

GUA DOCENTE


4

Nombre: CARMEN MARA RUBIO CASTAO




Categora: Profesora Colaboradora

Lneas y grupos: EPD grupos 12, 13, 21 y 41 Horario de tutoras: Por determinar



Telfono: 954349165

Nombre: FRANCISCA J. SNCHEZ SNCHEZ




Categora: Profesora Contratada Doctora

Lneas y grupos: EB lnea 1 EPD grupo 11




Telfono: 954349846

GUA DOCENTE


5

Tema 1.- Introduccin a las tcnicas de Anlisis Multivariante en el mbito de la Economa y la Empresa.

1.1. Mtodos de Anlisis Multivariante: definicin y clasificacin. 1.2. El Anlisis de la Varianza (ANOVA). ANOVA de un factor. Anlisis de Varianza

Factorial. 1.3. Anlisis discriminante. 1.4. Anlisis cluster o de conglomerados. Tema 2.- El modelo clsico de regresin lineal: especificacin y estimacin. 2.1. Definicin del modelo economtrico. 2.2. El modelo economtrico de regresin lineal: especificaciones simple y mltiple.

Formulacin matricial del modelo. Supuestos del modelo clsico. 2.3. Estimacin por mnimos cuadrados ordinarios (MCO). Propiedades de los

estimadores MCO. Interpretacin de los coeficientes de regresin. Efecto marginal. 2.4. Bondad del ajuste. El coeficiente de determinacin. El coeficiente de determinacin

corregido. 2.5. Introduccin en el modelo de variables ficticias. Interpretacin de los coeficientes de

regresin. 2.6. Formas funcionales linealizables: el modelo log-log. Elasticidad vs. efecto marginal.

Comparacin entre modelos. 2.7. Introduccin al uso de EViews (I). Tema 3.- El modelo clsico de regresin lineal: inferencia y prediccin. 3.1. Normalidad en las perturbaciones. Contraste de Jarque-Bera. 3.2. Intervalos de confianza. 3.3. Contrastes de significatividad individual de las variables explicativas, de

significatividad global del modelo y general de un conjunto de restricciones lineales. El modelo restringido.

3.4. Contraste de Chow de cambio estructural. 3.5. Prediccin. 3.6. Introduccin al uso de EViews (II). Tema 4.- El modelo clsico de regresin lineal: incumplimiento de supuestos. 4.1. Errores de especificacin del modelo. Tests de deteccin. 4.2. Multicolinealidad perfecta y aproximada: definicin, deteccin y tratamiento. 4.3. Aplicacin de EViews al anlisis de errores de especificacin y multicolinealidad en

el modelo.

3. DESARROLLO DE LOS CONTENIDOS DE LA PARTE GENERAL

GUA DOCENTE


6

4.4. Heteroscedasticidad y autocorrelacin. Propiedades de los estimadores MCO ante una perturbacin no esfrica. Estimacin por mnimos cuadrados generalizados (MCG).

4.5. Deteccin y tratamiento de la heteroscedasticidad con EViews. 4.6. Deteccin y tratamiento de la autocorrelacin con EViews. Tema 5.- Modelos con variables dependientes discretas. 5.1. Definicin de los modelos de eleccin discreta binaria. 5.2. Modelo Lineal de Probabilidad. 5.3. Modelo Logit y modelo Probit. 5.4. Estimacin de modelos de eleccin discreta binaria con EViews.

GUA DOCENTE


7

SEMANA N HORAS N HORAS EB N HORAS EPD N HORAS EVAL. TEMA

1 3 3 1 y 2 2 3 1,5 1,5 2 3 3 1,5 1,5 2 4 3 1,5 1,5 2 5 3 1,5 1,5 1,75 2 y 3 6 3 1,5 1,5 2 y 3 7 3 1,5 1,5 3 8 3 3 1,75 3 9 3 1,5 1,5 0,75 3 y 4 (y 2) 10 3 1,5 1,5 4 11 3 3 4 12 3 1,5 1,5 1,5 4 (y 1) 13 3 1,5 1,5 4 14 3 1,5 1,5 0,25 4 y 5 15 3 1,5 1,5 1 4 y 5

1 convocatoria 4 1 a 5 2 convocatoria 4 1 a 5

TOTAL 45 21 24 15 Este cronograma es general para todas las lneas y grupos de la Asignatura. No obstante, puede haber modificaciones puntuales en algn grupo debido a particularidades propias del Calendario Acadmico Oficial.

4. CRONOGRAMA

GUA DOCENTE


8

La docencia de la Asignatura ser fundamentalmente presencial, aunque el espacio de la plataforma virtual WebCT reservado a la Asignatura ser un elemento esencial de comunicacin con los alumnos. La enseanza presencial constar de un 50% de clases de Enseanzas Bsicas y un 50% de Enseanzas Prcticas y de Desarrollo organizadas del modo siguiente:

Enseanzas bsicas (EB): Con carcter general, se llevar a cabo una sesin semanal de 1,5 horas de duracin, a lo largo de todo el semestre. Estas clases consistirn fundamentalmente en lecciones magistrales por parte del profesor y su finalidad primordial ser introducir los principios tericos y prcticos bsicos de la materia.

Enseanzas prcticas y de desarrollo (EPD): Habr tambin, en general, una sesin semanal de 1,5 horas de duracin durante todo el semestre. En estas clases se desarrollarn con mayor detalle los conocimientos bsicos abordados en las clases de EB, aplicando stos de forma prctica a la resolucin de problemas, unas veces en la pizarra y otras utilizando los programas informticos adecuados. Adems de estos mdulos de enseanza, el alumno podr acudir a tutoras personalizadas para plantearle a su profesor las dudas especficas que le vayan surgiendo a lo largo del curso en relacin con los contenidos de la Asignatura.

Todas las actividades realizadas a lo largo del curso sern tenidas en cuenta en la evaluacin, otorgndoseles a cada una de ellas un peso distinto en la calificacin global, dependiendo de su importancia dentro de la Asignatura, de la complejidad que conlleve, as como del esfuerzo y dedicacin necesarios por parte del alumno.

En concreto, las pruebas especficas que se llevarn a cabo para evaluar los conocimientos y competencias propios de la Asignatura, sern las siguientes:

Control continuo:

A lo largo del semestre se llevarn a cabo varias pruebas para hacer un seguimiento de la evolucin del alumno en la adquisicin de los conocimientos y las competencias propuestos en la Asignatura. La evaluacin continua tendr un peso del 50% de la nota final de la Asignatura, esto es, 5 puntos sobre 10. En este bloque se realizarn diversos tipos de pruebas para evaluar los distintos tipos de enseanza impartida:

5. PLANIFICACIN Y EVALUACIN DE LA ASIGNATURA

GUA DOCENTE


9

- Para la evaluacin del Tema 1, los alumnos realizarn un trabajo en equipos conformados generalmente por entre 3 y 5 componentes, que ser expuesto en una sesin de clase especfica. Mediante esta tarea, debern poner de manifiesto, de manera integrada, sus conocimientos tanto tericos, como prcticos y de manejo del programa informtico IBM SPSS Statistics. Al mismo tiempo, evidenciarn su nivel de adquisicin de competencias relacionadas con la elaboracin de un trabajo en equipo y de comunicacin oral y escrita, as como su habilidad en el desarrollo de las relaciones personales. Los alumnos sern informados con suficiente antelacin de los detalles de este trabajo y debern expresar de forma expltica su intencin por realizar esta tarea, segn el procedimiento y plazo que a tal efecto se establezcan en los primeros das del comienzo del periodo de docencia de la Asignatura; este plazo ser improrrogable y tras su finalizacin ser el profesorado quien conformar por orden alfabtico los diferentes equipos, dentro de cada grupo de EPD. En todo este proceso, las herramientas virtuales de comunicacin de la Asignatura tendrn un papel esencial. El valor total de esta prueba ser de 1,5 puntos, correspondindole 0,5 puntos de la misma a la evaluacin del manejo del programa informtico citado. El Tema 1 ser evaluado con carcter general de este modo, liberndose su contenido del examen final para aquellos alumnos que alcancen el mnimo de calificacin exigido, que se detallar ms adelante, en relacin al conocimiento del manejo de las herramientas informticas de la Asignatura.

- La asimilacin de los conocimientos de carcter ms terico de los Temas 2, 3, 4 y 5 se evaluar, en parte, mediante breves pruebas de tipo test al final de cada uno de ellos. Su valor total ser de 1,5 puntos.

- La asimilacin de los contenidos ms prcticos de los Temas 2 y 3 se evaluar, en parte, a travs de la entrega puntual de determinados ejercicios que a lo largo del curso sern solicitados por el profesorado para su realizacin por parte del alumno fuera del horario presencial de clases. El valor total de estos ejercicios ser de 0,5 puntos.

- En el desarrollo de los Temas 2, 3, 4 y 5 se trabajar con el programa informtico EViews. La asimilacin del aprendizaje general de esta herramienta, aplicada a los conocimientos tericos y prcticos de estos temas, se evaluar a lo largo del curso mediante la resolucin de diversos ejercicios con el ordenador en determinadas sesiones de clase, de las que ser convenientemente avisado el alumno. Estas pruebas tendrn un valor total de 1,5 puntos.

Examen final:

Tendr lugar al final del semestre y su peso ser del 50% de la nota total de la Asignatura, es decir, 5 puntos sobre 10. De estos 5 puntos, los conocimientos tericos tendrn un valor de 1,5 puntos y se evaluarn a travs de preguntas tipo test, penalizndose las falladas. Por su parte, los conocimientos prcticos tendrn un valor conjunto de 3,5 puntos y se evaluarn mediante la resolucin de varios problemas.

GUA DOCENTE


10

Para poder superar la Asignatura, se exigirn las siguientes puntuaciones mnimas: - Conocimientos del manejo de los programas informticos: 1 punto sobre 2. - Examen final: 1,5 puntos sobre 5.

Caso de que no se alcance la puntuacin mnima exigida de las pruebas que evalan los conocimientos del manejo de los programas informticos a lo largo del semestre, se tendr la posibilidad de recuperar esta parte del control continuo el mismo da del examen final mediante una prueba especfica adicional que har referencia tanto al manejo de IBM SPSS Statistics como al de EViews, aplicado al contenido de todo el temario de la Asignatura. Si se superan los mnimos exigidos, la calificacin final de la Asignatura ser la suma de las obtenidas en el examen escrito y en el control continuo. Dicha suma deber alcanzar al menos los 5 puntos para aprobar la Asignatura. Los alumnos que no aprueben la Asignatura en la primera convocatoria, dispondrn de una segunda convocatoria en el mes de junio/julio. En esta segunda convocatoria se tendr en cuenta la calificacin del control continuo obtenida en el curso, mantenindose as las mismas condiciones que en la primera convocatoria. Si dentro de dicho bloque no se hubiese alcanzado el mnimo requerido de los conocimientos de manejo de los programas informticos vistos en la Asignatura, adems del examen final se llevar a cabo una recuperacin de las mismas. Para la realizacin de las distintas pruebas de evaluacin en el curso, nicamente se permitir al alumno la utilizacin de aquellos elementos o materiales de apoyo que estn autorizados expresamente por el profesorado de la Asignatura. El uso de telfono mvil o de cualquier otro medio susceptible de ser utilizado para la comunicacin y/o almacenamiento e intercambio de informacin, supondr la calificacin de "Suspenso" en la Asignatura, sin perjuicio de que ello pueda derivar adicionalmente en sancin acadmica.

El alumno deber acudir a todas las pruebas de evaluacin del curso provisto de su D.N.I. u otro documento identificativo personal de carcter oficial.

GUA DOCENTE


11

Movilidad: Los alumnos beneficiarios de alguno de los distintos programas oficiales de movilidad estudiantil (Scrates-Erasmus, SICUE-Sneca, Atlanticus...) que cursen la Asignatura fuera de sus contratos de estudios de movilidad, podrn recuperar, de cara a la calificacin final, el 50% relativo al bloque de evaluacin continua mediante la realizacin de pruebas adicionales al examen final de la Asignatura. Los alumnos que se encuentren en esta situacin debern comunicrselo por escrito al profesorado de la Asignatura antes del 30 de abril. El incumplimiento de este plazo deber venir avalado por el correspondiente Coordinador Acadmico de su contrato de movilidad.

6. OBSERVACIONES

GUA DOCENTE


12

BSICA: - Gujarati, D.N. y Porter, D.C. (2010): Econometra. 5 ed. Mxico D.F., McGraw-

Hill/Interamericana Editores.

- Ordaz, J.A.; Melgar, M.C. y Rubio, C.M. (2011): Mtodos Estadsticos y Economtricos en la Empresa y para Finanzas. Sevilla, Universidad Pablo de Olavide.

- Pena, J.B. et al. (1999): Cien ejercicios de Econometra. Madrid, Pirmide. COMPLEMENTARIA: - Alcaide, A. y lvarez, N.J. (1992): Econometra: modelos deterministas y estocsticos.

Madrid, Centro de Estudios Ramn Areces.

- Alonso, A.; Fernndez, J. y Gallastegui, I. (2005): Econometra. Madrid, Pearson-Prentice Hall.

- Aznar, A. et al. (1994): Ejercicios de Econometra. Vol. 1 y 2. Madrid, Pirmide. - Cabrer, B.; Sancho, A. y Serrano, G. (2001): Microeconometra y decisin. Madrid,

Pirmide.

- Carrascal, U.; Gonzlez, Y. y Rodrguez, B. (2000): Anlisis economtrico con EViews. Madrid, RA-MA.

- Cuadras, C.M. (1991): Mtodos de anlisis multivariante. Barcelona, PPU. - Daz, M. y Llorente, M.M. (1998): Econometra. Madrid, Pirmide. - Fernndez, A. et al. (2005): Ejercicios de Econometra. 2 ed. Madrid, Schaum-

McGraw-Hill.

- Greene, W.H. (1999): Anlisis economtrico. Madrid, Prentice Hall Iberia. - Gujarati, D.N. (2006): Principios de Econometra. Madrid, McGraw-Hill. - Hair, J.F. Jr. et al. (2007): Anlisis multivariante. Madrid, Prentice Hall Iberia. - Johnston, J. y Dinardo, J. (2001): Mtodos de Econometra. Barcelona, Vicens Vives. - Maddala, G.S. (2002): Introduccin a la Econometra. 2 ed. Prentice Hall Iberia. - Matilla, M. et al. (2013): Econometra y Prediccin. Madrid, McGraw-Hill. - Novales, A. (1993): Econometra. Madrid, McGraw-Hill. - Palacios, F. et al. (2011): Ejercicios de econometra I. Madrid, Pirmide. - Prez, C. (2006): Problemas resueltos de Econometra. Madrid, Thomson.

7. BIBLIOGRAFA ESPECFICA

GUA DOCENTE


13

- Prez, C. (2007): Econometra bsica. Tcnicas y herramientas. Madrid, Pearson Educacin.

- Prez, C. (2009): Tcnicas estadsticas multivariantes con SPSS. Madrid, Garceta Grupo Editorial.

- Prez, T. et al. (1993): Ejercicios de Econometra empresarial. Madrid, McGraw-Hill. - Pindyck, R.S. y Rubinfeld, D.L. (2001): Econometra. Modelos y pronsticos. Madrid,

McGraw-Hill.

- Pulido, A. y Lpez, A.M. (1999): Prediccin y simulacin aplicada a la Economa y Gestin de empresas. Madrid, Pirmide.

- Pulido, A. y Prez, J. (2001): Modelos economtricos. Madrid, Pirmide. - Snchez, C. (1999): Mtodos economtricos. Barcelona, Ariel. - Schmidt, S.J. (2005): Econometra. Madrid, McGraw-Hill. - Serrano, G.R. y Marrero, G.A. (2001): Ejercicios de estadstica y econometra. Madrid,

Thomson.

- Silva, L.C. y Barroso, I.M. (2004): Regresin logstica. Madrid, La Muralla. - Uriel, E. et al. (1994): Econometra. El modelo lineal. Madrid, AC. - Uriel, E. y Gea, I. (1997): Econometra aplicada. Madrid, AC. - Wooldridge, J.M. (2006): Introduccin a la Econometra: un enfoque moderno. 2 ed.

Madrid, Thomson.

parteespecifica_gd_13_14.pdf

Documents

mtodos cuantitativos

mtodos estadsticos

epd grupos

historia econmica rea

horario de tutoras

nmero de despacho

gd lneas

asignatura nombre