Microeconometría aplicada. Stata como una herramienta para el análisis microeconométrico

Tema 1. Introducción a Stata (Juan A. Máñez) (8 horas)

1.1. Introducción a Stata.

1.1.1. Las ventanas y la barra de herramientas en la pantalla principal

de Stata.

1.1.2. Ayudas en Stata.

1.2. Bases de datos en Stata.

1.2.1. Creación y carga de bases de datos.

1.2.2. Generación de variables.

1.3. Descripción de los datos y estadísticos descriptivos.

1.3.1. Sintaxis general de los comandos de Stata.

1.3.2. Editor de comandos.

1.3.3. Archivos de resultados.

1.4. Uso eficiente de Stata.

1.4.1. Bucles.

1.4.2. Elementos básicos de programación.

1.5. Sintaxis de los comandos de estimación en Stata.

1.5.1. Ejemplos con mínimos cuadrados ordinarios

1.5.2. Comandos posteriores a la estimación.

Tema 2. Modelos con datos de panel (María E. Rochina) (8 horas)

2.1. Modelos de efectos fijos y efectos aleatorios: Distinción entre modelos.

2.2. Estimación de modelos estáticos:

2.2.1. Estimación del modelo de efectos aleatorios: Mínimos Cuadrados

Generalizados (MCG).

2.2.2. Estimación del modelo de efectos fijos bajo exogeneidad estricta:

El estimador intragrupos (IG) y el estimador de dummies individuales.

2.2.3. Efectos aleatorios versus efectos fijos: Un contraste de

especificación “tipo Hausman”.

4

2.2.4. Extensiones de los estimadores de efectos aleatorios (MCG) y de

efectos fijos (IG) a métodos de variables instrumentales.

2.2.5. El estimador de Hausman y Taylor.

2.3. Estimación de modelos dinámicos:

2.3.1. Problemas de estimación en modelos dinámicos con datos de

panel.

2.3.2. El estimador de Anderson y Hsiao.

2.3.3. El estimador de Arellano y Bond: el Método Generalizado de

Momentos (MGM).

2.3.4. El test de Sargan de restricciones de sobreidentificación.

2.3.5. El test de correlación serial de segundo orden de los residuos.

2.3.6. El estimador de Arellano y Bover, y de Blundell y Bond: El Método

Generalizado de Momentos Sistema (System-GMM).

Tema 3. Modelos de elección discreta (Juan A. Sanchis) (8 horas)

3.1. Introducción.

3.2. Modelos de elección discreta:

3.2.1. Binarios (el modelo de probabilidad lineal, el probit y el logit).

3.2.2. Estimación por máxima verosimilitud.

3.2.3. Interpretación de los resultados (efectos marginales).

3.2.6. La bondad del ajuste.

3.3. Modelos de elección discreta multinomiales:

3.3.1. Modelos no-ordenados: el logit y el probit multinomial, y el logit

condicional.

3.3.2. Modelos ordenados: el logit y el probit ordenados.