



| Código de la asignatura | 10796 |
|---|---|
| Nº Créditos ECTS | 6 |
| Tipo | Obligatoria |
| Duración | Semestral |
| Idiomas | Castellano |
| Planes de estudio | |
| Profesor(es) | |
| Año académico | 2026-27 |
Esta asignatura posibilita que el estudiante pueda contrastar la validez empírica de distintas teorías económico-empresariales. Para ello se especifica el modelo básico de regresión con dos variables y se desarrolla su estimación y contrastes de hipótesis relacionados con el objetivo de realizar inferencia a partir del mismo. A continuación, se generaliza dicho modelo a múltiples variables, considerando también la existencia de variables cualitativas, y finalmente se estudian los distintos problemas que surgen a la hora de especificar y estimar un modelo econométrico como son las observaciones atípicas, la multicolinealidad, los errores de especificación en la parte determinista del modelo, la heterocedasticidad y la autocorrelación y se proponen distintos contrastes para la detección de estos problemas y posibles soluciones.
Conocimientos o contenidos
Competencias
Habilidades o destrezas
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
El profesor aporta un seguimiento individualizado de la actividad del estudiante para asegurar las mejores condiciones de aprendizaje mediante la tutorización a través de las herramientas de la plataforma educativa y/o de las tutorías telefónicas. En estas tutorías los estudiantes pueden consultar a los profesores las dudas acerca de la materia estudiada.
Manual de la asignatura:
Pérez-Fructuoso, María José (2026). Apuntes de Econometría. Aplicaciones con Gretl. (material propio disponible en el aula).
Además, se recomienda la siguiente bibliografía de consulta voluntaria:
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 | Tema 0. Modelo de regresión lineal simple (MRLS): Modelo de regresión lineal con dos variables 0.1. Modelo de regresión lineal simple. Especificación del modelo 0.2. Estimación del modelo por mínimos cuadrados ordinarios (MCO) 0.3. Estimación de la varianza de los términos de perturbación 0.4. Estimación de la varianza de los estimadores 0.5. Medición de la bondad del ajuste. Coeficiente de determinación 0.6. Intervalos de confianza 0.7. Contrastes de hipótesis 0.8. Predicción |
|
| Semana 2 | Tema 1. Modelo de regresión lineal múltiple (MRLM). Formulación e Hipótesis básicas 1.1. Formulación del MRLM 1.2. Definición de las hipótesis básicas del MRLM 1.3. Distribución de la variable endógena del MRLM |
|
| Semana 3 | Tema 2. Modelo de regresión lineal múltiple (MRLM). Estimación 2.1. Estimación por mínimos cuadrados ordinarios (MCO). Propiedades estadísticas 2.2. Análisis de los residuos de estimación 2.3. Estimación de la varianza del término de perturbación 2.4. Estimación por máxima verosimilitud (MV). Propiedades estadísticas |
|
| Semana 4 | Tema 3. Modelo de regresión lineal múltiple (MRLM). Validación 3.1. Validación del Modelo de regresión lineal múltiple. Calidad del ajuste y significación de los parámetros 3.2. Predicción 3.3. Valoración de las predicciones 3.4. Ejemplo de aplicación con GRETL |
|
| Semana 5 y 6 | Tema 4. Contrastes de Restricciones Lineales 4.1 Restricciones lineales 4.2 Contrastes de restricciones lineales 4.3 Casos particulares: contraste de significación individual de un parámetros y contraste de significación global del modelo 4.4 Estimación por mínimos cuadrados restringidos (MCR). Propiedades estadísticas 4.5. Análisis de los residuos 4.6. Ejemplo de aplicación con GRETL |
|
| Semana 7 | Tema 5. Problemas relacionados con la información muestral: Observaciones influyentes y atípicas 5.1 Definición y detección 5.2 Influencia potencial, observaciones atípicas e influencia real 5.3 Análisis de los valor atípicos con GRETL 5.4 Ejemplo de aplicación con GRETL |
|
| Semana 8 | Tema 6. Violación de los supuestos del modelo clásico (I): Multicolinealidad, ¿qué pasa si los regresores están correlacionados? 6.1 Definición, tipología y consecuencias 6.2 Detección y valoración de la importancia de la multicolinealidad 6.3 Posibles soluciones a la existencia de multicolinealidad en el modelo 6.4 Ejemplo de aplicación con GRETL |
|
| Semana 9 | Tema 7. Violación de los supuestos del modelo clásico (II): Errores de especificación en la parte determinista del modelo 7.1 Introducción 7.2 Errores de especificación de la forma funcional. Contrate RESET 7.3. Ejemplo de aplicación con GRETL 7.4 El MRLM en desviaciones 7.5 Especificación errónea de las variables explicativas. Análisis de la omisión de variables relevantes en el modelo 7.6 Ejemplo de aplicación con GRETL 7.7 Especificación errónea de las variables explicativas. Análisis de la inclusión de variables irrelevantes en el modelo 7.8 Ejemplo de aplicación con GRETL 7.9 Permanencia estructural y cambio estructural 7.10 Ejemplo de aplicación con GRETL |
|
| Semana 10 |
| |
| Semana 11 | Tema 8. Violación de los supuestos del modelo clásico (III): Heteroscedasticidad, ¿qué pasa si las varianzas de los términos de perturbación no son constantes? 8.1 Incumplimiento de la hipótesis de normalidad sobre el término de perturbación. Contraste de Jarque-Bera 8.2 Ejemplo de aplicación con GRETL 8.3 Heteroscedasticidad 8.4 Estimación del modelo con heteroscedasticidad 8.5 Contrastes de detección de heteroscedasticidad 8.6 Ejemplo de aplicación con GRETL |
|
| Semanas 12 y 13 | Tema 9. Violación de los supuestos del modelo clásico (IV): Autocorrelación, ¿qué pasa si los términos de error están correlacionados? 9.1 Autocorrelación 9.2 Causas de la autocorrelación 9.3 Esquemas de autocorrelación en el término de perturbación. Esquemas regresivos (AR). Esquema autorregresivo AR(1) 9.4 ¿Cómo se detecta la autocorrelación? 9.5 Contraste de autocorrelación 9.6 Estimación del modelo con autocorrelación 9.7 Ejemplo de aplicación con GRETL |
|
| Semanas 14 y 15 | Tema 10. Variables exógenas y endógenas cualitativas 10.1 Variables explicativas (independientes) cualitativas 10.2 Variables dependientes cualitativas. Modelos de elección discreta 10.3 Modelo lineal de probabilidad 10.4 Modelo de probabilidad no lineal |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. | |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades:
- Un examen final en modalidad virtual (online), con la posibilidad de optar a la modalidad presencial, que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiantado.
Para poder presentarse al examen final, en cualquiera de las convocatorias, es imprescindible cumplir el siguiente requisito relacionado con la evaluación continua: alcanzar una calificación mínima de 2 puntos sobre cuatro en la evaluación continua del curso.
El estudiante que se presente al examen sin cumplir dicho requisito, será calificado con un cero en el examen final y consumirá convocatoria.
El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y constará de una parte teórica y otra práctica.
Para superar la asignatura será necesario que el examen esté aprobado (calificación de 5 o más sobre 10) y que la calificación final de la asignatura sea de 5 o superior.
| Tipo de actividad | Actividades planificadas | Peso clasificación |
|---|---|---|
| Supuestos o casos prácticos | 2 | 20% |
| Debate o reflexión crítica sobre un tema/ Actividades dirigidas con material multimedia o audiovisual | 1 | 10% |
| Actividades de autocomprobación de conocimientos/ Actividades de búsqueda y elaboración de información | 3 | 10% |
| Examen final | Sí | 60% |
| Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
Matrícula de honor (MH)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.