Capítulo 1. Naturaleza del análisis de regresión

• Origen histórico del término regresión
• Interpretación moderna de la regresión
• Relaciones estadísticas vs. relaciones determinísticas
• Regresión vs. causalidad
• Regresión vs. correlación
• Terminología y notación
• Naturaleza y fuentes de información para el análisis econométrico
• Resumen y conclusiones

Capítulo 2. Análisis de regresión con dos variables: algunas ideas básicas

• Ejemplo hipotético
• Concepto de función de regresión poblacional (FRP)
• Significado del término "lineal"
• Especificación estocástica de la FRP
• Significado del término "perturbación estocástica"
• Función de regresión muestral (FRM)
• Un ejemplo ilustrativo
• Resumen y conclusiones

Capítulo 3. Modelo de regresión con dos variables: problema de estimación

• Método de mínimos cuadrados ordinarios (MCO)
• Modelo clásico de regresión lineal: supuestos detrás del método de mínimos cuadrados
• Precisión o errores estándar de los mínimos cuadrados estimados
• Propiedades de los estimadores de mínimos cuadrados: teorema de Gauss-Markov
• Coeficiente de determinación una medida de la "bondad del ajuste"
• Ejemplo numérico
• Ejemplos ilustrativos
• una observación sobre los experimentos Monte Carlo
• Resumen y conclusiones

Capítulo 4. Modelo clásico de regresión lineal normal (MCRLN)

• Distribución de probabilidad de las perturbaciones
• Supuestos de normalidad
• Propiedades de los estimadores MCO bajo el supuesto de normalidad
• Método de máxima verosmilitud (MV)
• Resumen y conclusiones

Capítulo 5. Regresión con dos variables: estimación de intervalos y prueba de hipótesis

• Prerrequisitos estadísticos
• Estimación de intervalos: algunas ideas básicas
• Intervalos de confianza para los coeficientes de regresión
• Intervalos de confianza
• Prueba de hipótesis: comentarios generales
• Prueba de hipótesis: método del intervalo de confianza
• Prueba de hipótesis: método de prueba de significancia
• Prueba de hipótesis: algunos aspectos prácticos
• Análisis de regresión y análisis de varianza
• Aplicación del análisis de regresión: problema de predicción
• Informe de resultados del análisis de regresión
• Evaluación de resultados del análisis de regresión
• Resumen y conclusiones

Capítulo 6. Extensiones del modelo de regresión lineal de dos variables

• Regresión a través del origen
• Escalas y unidades de medición
• Regresión sobre las variables estandarizadas
• Formas funcionales de los modelos de regresión
• Cómo medir la elasticidad: modelo Log-Lineal
• Modelos semilogarítmicos: Log-Lin y Lin-Log
• Modelos recíprocos
• Elección de la forma funcional
• Nota sobre la naturaleza del término error estocástico: término de error estocástico aditivo vs. multiplicativo
• Resumen y conclusiones

Capítulo 7. Análisis de regresión múltiple: problemas de estimación

• Significado de los coeficientes de regresión parcial
• Estimación MCO y MV de los coeficientes de regresión parcial
• El coeficiente de determinación múltipleR y el coeficiente de correlación múltiple R
• Ejemplo 7.1: mortalidad infantil respecto al PIB PER CÁPITA y a la tasa de alfabetización en las mujeres
• La regresión simple en el contexto de regresión múltiple: introducción al sesgo de especificación
• Ejemplo 7.3: La función de producción Cobb-Douglas: más sobre la forma funcional
• Modelos de regresión polinomial
• Coeficiente de correlación parcial
• Resumen y conclusiones

Capítulo 8. Análisis de regresión múltiple: el problema de inferencia

• Una vez más, el supuesto de normalidad
• Ejemplo 8.1: el ejemplo de la mortalidad infantil reconsiderado
• Prueba de hipótesis en regresión múltiple: comentarios generales
• Prueba de hipótesis sobre coeficientes individuales de regresión parcial
• Prueba de significancia global de la regresión muestral
• Prueba de igualdad de dos coeficientes de regresión
• Mínimos cuadrados restringidos: prueba sobre restricciones de tipo igualdad líneas
• Prueba para la estabilidad estructural o paramétrica de los modelos de regresión: la prueba Chow
• Predicción con regresión múltiple
• La tríada de las pruebas de hipótesis: razón de Verosimilitud (RV), Wald(W) y multiplicador de Lagrange (ML)
• Prueba de la forma funcional de la regresión: selección entre modelos de regresión lineal y Log-Lineal
• Resumen y conclusiones

Capítulo 9. Modelos de regresión con variables dicótomas

• Naturaleza de las variables dicótomas
• Modelos anova
• Modelos anova con dos variables cualitativas
• Regresión con una mezcla de regresoras cualitativas y cuantitativas: los modelos ancova
• La variable dicótoma alternativa a la prueba Chow
• Efectos de interacción al utilizar variables dicótomas
• Uso de las variables dicótomas en el análisis estacional
• Regresión lineal por secciones
• Modelos de regresión con datos en panel
• Algunos aspectos técnicos de la técnica de la variable dicótoma
• Temas para estudio posterior
• Resumen y conclusiones

Capítulo 10. Multicolinealidad: ¿qué pasa si las regresoras están correlacionadas?

• Naturaleza de la multicolinealidad
• Estimación en presencia de la multicolinealidad perfecta
• Estimación en presencia de multicolinealidad "alta" pero "imperfecta"
• Multicolinealidad: ¿mucho trabajo para nada? consecuencias teóricas de la multicolinealidad
• Consecuencias prácticas de la multicolinealidad
• Ejemplo ilustrativo: gastos de consumo en relación con el ingreso y la riqueza
• Detección de la multicolinealidad
• Medidas correctivas
• ¿Es la multicolinealidad necesariamente mala? posiblemente no, si el objetivo es solamente la predicción
• Un ejemplo ampliado: los datos Longley
• Resumen y conclusiones

Capítulo 11. Heteroscedasticidad: ¿qué pasa cuando la varianza del error no es constante?

• Naturaleza de la heteroscedasticidad
• Estimación MCO en presencia de heteroscedasticidad
• El método de mínimos cuadrados generalizados (MCG)
• Consecuencias de utilizar MCO en presencia de heteroscedasticidad
• Detección de la heteroscedasticidad
• Medidas correctivas
• Ejemplo para concluir
• Advertencia respecto a la respuesta exagerada ante la heteroscedasticidad
• Resumen y conclusiones

Capítulo 12. Autocorrelación: ¿qué sucede si los términos error están correlacionados?

• Naturaleza del problema
• Estimación MCO en presencia de autocorrelación
• Estimador Meli en presencia de autocorrelación
• Consecuencias de utilizar MCO en presencia de autocorrelación
• Relación entre salarios y productividad en el sector de negocios de Estados Unidos, 1959, 1998
• Detección de la autocorrelación
• ¿Qué hacer cuando hay autocorrelación?: medidas correctivas
• Mala especificación de modelo versus autocorrelación pura
• Corrección de la autocorrelación (pura): el método de los mínimos cuadrados generalizados (MCG)
• El método Newey-West para corregir errores estándar MCO
• MCO versus MCGF y CHA
• Pronóstico con términos de error autocorrelacionados
• Aspectos adicionales de la autocorrelación
• Resumen y conclusiones

Capítulo 13. Diseño de modelos econométricos: especificación del modelo y prueba de diagnóstico

• Criterio de selección del modelo
• Tipos de errores de especificación
• Consecuencias de los errores de especificación
• Pruebas de errores de especificación
• Errores de medición
• Especificación incorrecta del término de error estocástico
• Modelos anidados en comparación con los no anidados
• Prueba de hipótesis no anidadas
• Criterios para la selección de modelos
• Temas adicionales en la elaboración de modelos econométricos
• Un ejemplo concluyente
• Una advertencia al practicante
• Resumen y conclusiones

Capítulo 14. Modelos de regresión no lineales

• Modelos de regresión intrínsecamente lineales e intrínsecamente no lineales
• Estimación de modelos de regresión lineales y no lineales
• Estimación de modelos de regresión no lineales: el método de ensayo y error
• Métodos para estimar modelos de regresión no lineales
• Ejemplo ilustrativos
• Resumen y conclusiones

Capítulo 15. Modelos de regresión de respuestas cualitativas

• Naturaleza de los modelos de respuesta cualitativa
• Modelo lineal de probabilidad (MLP)
• Aplicaciones de MLP
• Alternativas al MLP
• El modelo Logit
• Estimación del modelo Logitz
• Modelo Logit agrupado: ejemplo numérico
• El modelo Logit para datos individuales o no agrupados
• Modelo Probit
• Modelos Logit y Probit
• Modelo Tobit
• Elaboración de modelos para datos de cuenta: el modelo de regresión de Poisson
• Temas adicionales de los modelos de regresión con respuesta cualitativa
• Resumen y conclusiones

Capítulo 16. Modelos de regresión con datos en panel

• ¿Por qué datos en panel?
• Datos en panel: un ejemplo ilustrativo
• Estimación de los modelos de regresión con datos en panel: el método de efectos fijos
• Estimación de los modelos de regresión con datos en panel: el método de efectos aleatorios
• El modelo de efectos fijos (MCVD) versus el modelo de efectos aleatorios
• Regresión con datos en panel: algunos comentarios concluyentes
• Resumen y conclusiones

Capítulo 17. Modelos econométricos dinámicos: modelos autorregresivos y de rezagos distribuidos

• El papel del "tiempo", o del "rezago", en economía
• Razones para los rezagos
• Estimación de modelos de rezagos distribuidos
• Método de Koyck para los modelos rezagos distribuidos
• Racionalización del modelo de Koyck: el modelo de expectativas adaptativas
• Otra racionalización del modelo de Koyck: el modelo de ajuste de existencias o de ajuste parcial
• Combinación de los modelos de expectativas adaptativas y de ajuste parcial
• Estimación de modelos autorregresivos
• Método de variables instrumentales (IV)
• Detección de autocorrelación en modelos autorregresivos: prueba h de Durbin
• Ejemplo numérico: la demanda del dinero en Canadá de I-1979 a IV-1988
• Ejemplos ilustrativos
• El método de Almon para los modelos de rezagos distribuidos: rezago distribuido polinomial o de Almon (RDP)
• Casualidad en economía: prueba de caudalidad de Granger
• Resumen y conclusiones

Capítulo 18. Modelos de ecuaciones simultáneas

• Naturaleza de los modelos de ecuaciones simultáneas
• Ejemplos de modelos de ecuaciones simultáneas
• Sesgo en las ecuaciones simultáneas: inconsistencia de los estimadores MCO
• Sesgo de las ecuaciones simultáneas: ejemplo numérico
• Resumen y conclusiones

Capítulo 19. El problema de la identificación

• Problema de identificación
• Reglas para la identificación
• Prueba de simultaneidad
• Pruebas de exogeneidad
• Resumen y conclusiones

Capítulo 20. Métodos de ecuaciones simultáneas

• Métodos para la estimación
• Modelos recursivos y mínimos cuadrados ordinarios
• Estimación de una ecuación exactamente identificada: el método de mínimos cuadrados indirectos (MCI)
• Estimación de una ecuación sobreidentificada: método de mínimos cuadrados en dos etapas (MC2E)
• MC2E: ejemplo numérico
• Ejemplos ilustrativos
• Resumen y conclusiones

Capítulo 21. Econometría de series de tiempo: algunos conceptos básicos

• Una ojeada a algunas series de tiempo económicas de Estados Unidos
• Conceptos clave
• Procesos estocásticos
• Proceso estocástico de raíz unitaria
• Procesos estocásticos de tendencia estacionaria (TE) y de diferencia estacionaria (DE)
• Procesos estocásticos integrados
• El fenómeno de regresión espuria
• Pruebas de estacionariedad
• Pruebas de raíz unitaria
• Transformación de las series de tiempo no estacionarias
• Cointegración: regresión de una serie de tiempo con raíz unitaria sobre otra serie de tiempo con raíz unitaria
• Algunas aplicaciones económicas
• Resumen y conclusiones

Capítulo 22. Econometría de series de tiempo: pronósticos

• Enfoques para la predicción económica
• Elaboración de modelos AR, MA y ARIMA para series de tiempo
• Metodología de Box-Jenkins (BJ)
• Identificación
• Estimación del modelo Arima
• Verificación de diagnóstico
• Pronóstico
• Aspectos adicionales de la metodología BJ
• Vectores autorregresivos (VAR)
• Medición de la volatilidad de las series de tiempo financieras: los modelos Arch y Garch
• Ejemplos concluyentes
• Resumen y conclusiones