Introducción a la econometría G. S. Maddala ; traducción Juan Carlos Jolly Vallejo

Contiene apéndices, tablas, índice de autores, índice de materias.

Contenido.
1. ¿Qué es la Econometría?
1.1. ¡Qué es la Eonomometría?
1.2. Economía y modelos econométricos.
1.3. Objetivos y estudio de la econometría.
1.4. ¿Qué constituye la prueba de una teoría económica?
2. Antecedentes estadísticos y álgebra matricial.
2.1. Introducción.
2.2. Probabilidad.
2.3. Variables aleatorias y distribuciones de probabilidad.
2.4. La distribución normal de probabilidad y distribución relacionadas.
2.5. Inferencia estadística clásica.
2.6. Propiedades de los estimadores.
2.7. Distribuciones de muestreo para muestras de una población normal.
2.8. Estimación por intervalos.
2.9. Pruebas de hipótesis.
2.10. Relación entre procedimientos de intervalos de confianza y pruebas de hipótesis.
3. Regresión simple.
3.1. Introducción.
3.2. Especificación de las relaciones.
3.3. El método de momentos.
3.4. Método de mínimos cuadrados.
3.5. Inferencia estadística en el modelo de regresión lineal.
3.6. Análisis de varianza para el modelo de regresión simple.
3.7. Predicción con el modelo de regresión simple.
3.8. Observaciones aberrantes.
3.9. Alternativas en la parte funcional de las ecuaciones de regresión.
3.10. Predicción inversa en el modelo de regresión de mínimos cuadrados.
3.11. Regresores estocásticos.
3.12. La falacia de la regresión.
4. Regresión múltiple.
4.1. Introducción.
4.2. Un modelo con dos variables explicativas.
4.3. Inferencia estadística en el modelo de regresión múltiple.
4.4. Interpretación de los coeficientes de regresión.
4.5. Correlaciones parciales y correlación múltiple.
4.6. Relaciones entre coeficientes de correlación simple, parcial y múltiple.
4.7. Predicción en el modelo de regresión múltiple.
4.8. Análisis de varianza y pruebas de hipótesis.
4.9. Omisión de variables relevantes e inclusión de variables irrelevantes.
4.10. Grados de libertad y R2.
4.11. Pruebas de estabilidad.
4.12. Las pruebas LR, W y LM.
5. Heterocedasticidad.
5.1. Introducción.
5.2. Detección de la Heterocedasticidad.
5.3. Consecuencias de la Heterocedasticidad.
5.4. Solucione al problema de Heterocedasticidad.
5.5. Heterocedasticidad y el uso de deflactores.
5.6. Prueba de la forma funcional lineal contra log-lineal.
6. Autocorrelación.
6.1. Introducción.
6.2. Prueba de Durbin-Watson.
6.3. Estimación en niveles contra estimación en primeras diferencias.
6.4. Procedimientos de estimación con errores autocorrelacionados.
6.5. Efecto de los errores AR (1) sobre las estimaciones OLS.
6.6. Algunos comentarios adicionales sobre la prueba DW.
6.7. Pruebas para la correlación serial en modelos con variables dependientes rezagadas.
6.8. Pruebas general para una correlación serial de orden superior: la prueba LM.
6.9. Estrategias cuando la prueba estadística DW es significativa.
6.10. Tendencias y caminatas aleatorias.
6.11. Modelos ARCH y correlación serial.
7. Multicolinealidad.
7.1. Introducción.
7.2. Algunos ejemplos ilustrativos.
7.3. Algunas medidas de multicolinearidad.
7.4. Problemas al medir la multicolinearidad.
7.5. Soluciones al problema de la multicolinearidad: regresión por cordillera.
7.6. Regresión por componentes principales.
7.7. Eliminación de variables.
7.8. Otras soluciones misceláneas.
8. Variables indicadores y truncadas.
8.1. Introducción.
8.2. Variables indicadores para cambios en el término de intercepción.
8.3. Variables indicadores para cambios en los coeficientes de pendiente.
8.4. Variables indicadores para restricciones en ecuaciones cruzadas.
8.5. Variables indicadores para probar la estabilidad de los coeficientes de regresión.
8.6. Variables indicadores bajo Heterocedasticidad y autocorrelación.
8.7. Variables indicadores dependientes.
8.8. El modelo de probabilidad lineal y la función discriminante lineal.
8.9. Los modelos logit y probit.
8.10. Ejemplo ilustrativo.
8.11. Variables truncadas: el modelo tobit.
9. Modelos de ecuaciones simultáneas.
9.1. Introducción.
9.2. Variables endógenas y exógenas.
9.3. El problema de identificación: identificación a través de la forma reducida.
9.4. Condiciones necesarias y suficientes para la identificación.
9.5. Métodos de estimación: el método de la variable instrumental.
9.6. Métodos de estimación: el método de mínimos cuadrados de dos etapas.
9.7. La cuestión de la normalización.
9.8. El método de máxima verosimilitud con información limitada.
9.9. Sobre el uso de OLS en la estimación de modelos de ecuaciones simultáneas.
9.10. Exogeneidad y causalidad.
10. Modelos de expectativas.
10.1. Introducción.
10.2. Modelos ingenuos de expectativas.
10.3. El modelo de expectativas adaptativas.
10.4. Estimación con el modelo de expectativas adaptativas.
10.5. Dos ejemplos ilustrativos.
10.6. Variables de expectativas y rezagos de ajuste.
10.7. Ajuste parcial con expectativas adaptativas.
10.8. Modelos alternativos de rezagos distribuidos: rezagos polinomiales.
10.9. Rezagos racionales.
10.10. Expectativas racionales.
10.11. Pruebas de racionalidad.
10.12. Estimación de un modelo de oferta y demanda bajo expectativas racionales.
10.13. El problema de la correlación serial en los modelos de expectativas racionales.
11. Errores en variables.
11.1. Introducción.
11.2. La solución clásica para el modelo de una sola.
11.3. El modelo de una sola ecuación con dos variables explicativas.
11.4. Regresión inversa.
11.5. Métodos de la variable instrumental.
11.6. Variables proxy.
11.7. Algunos otros problemas.
12. Verificación de diagnóstico, selección de modelo y prueba de especificación.
12.1. Introducción.
12.2. Pruebas de diagnóstico basadas en residuos de mínimos cuadrados.
12.3. Problemas con residuos de mínimos cuadrado.
12.4. Algunos otros tipos de residuos.
12.5. DFFITS y estimación de influencia acotada.
12.6 Selección del modelo.
12.7. Selección de regresores.
12.8. Relaciones F asociadas a diversos criterios.
12.9. Validación cruzada.
12.10. Prueba de error de especificación de Hausman.
12.11. La prueba de diferencias de Plosser-Schwert-White.
12.12. Pruebas para hipótesis no animadas.
13. Introducción al análisis de series de tiempo.
13.1. Introducción.
13.2. Dos métodos de análisis de series de tiempo: dominio de frecuencias y dominio de tiempo.
13.3. Series de tiempo estacionarias y no estacionarias.
13.4. Algunos modelos útiles de series de tiempo.
13.5. Estimación de los modelos AR, MA y ARMA.
13.6. El enfoque Box-Jenkins.
13.7. Medidas R2 en los modelos de series de tiempo.
14. Autorregresiones de vectores, raíces unitarias y cointegración.
14.1. Introducción.
14.2. Autorregresiones de vectores.
14.3. Problemas con los modelos VAR en la práctica.
14.4. Raíces unitarias.
14.5. Pruebas de raíces unitarias.
14.6. Cointegración.
14.7. La regresión cointegradora.
14.8. Autorregresiones de vectores y cointegración.
14.9. Modelos de cointegración.
14.10. Pruebas de cointegración.
14.11. Cointegración y pruebas de REH y MEH.
14.12. Evaluación resumen de cointegración.