Econometría Aplicada:Evaluación de Política Macroeocnómica I

I Diplomado de Econometría Aplicada a Desarrollo Económico

Syllabus

Lima, 2013

Profesor: Mg. William Sánchez Tapia (Dirección General de Política Macroeconómica- MEF)

El curso se desarrollará en 21 horas, al incio de las clases se realizará un repaso de la parte teórica, sinembargo se priorizará en las aplicaciones de cada uno de los temas estudiados. Las aplicaciones se realizaránutilizando diversos softwares, tales como Eviews, JMulti, TRAMO SEATS y RATS.

Contenido

1. Análisis de Series de Tiempo Univariado(a) Descomposisición de una serie de tiempo: ciclo, tendencia, estacionalidad e irregular(b) Conceptos Básicos: Proceso estocástico, Serie de tiempo, Estacionalidad Débil, etc.(c) Modelos Autorregresivos (AR), Medias Móviles (MA) y ARMA(d) Análisis de los Momentos(e) Función de Autocorrelación Simple y Parcial(f) Análisis Impulso - Respuesta(g) Metodología de Identi.cación de Box y Jenkins-Etapa de Identi.cación: Análisis de Correlograma-Etapa de Estimación: Criterio de Información-Etapa de Predicción: Análisis de residuos, U-Theil

2. Regresiones con Series de Tiempo(a) Ejemplos para la Economía Peruana(b) Autocorrelación

-Prueba de Durbin Watson-Prueba de Breusch Godfrey-Test de Ljung —Box y Box —Pierce-Correlograma

(c) Aplicaciones

3. Modelos de Series de Tiempo No Estacionario: Raiz Unitaria(a) Tendencia Deterministica y Estocástica(b) Análisis de Raíz Unitaria

-Test de Dickey —Fuller-Test de Dickey —Fulller Aumentado (ADF)-Test de DF- GLS o contraste Elliot, Rothenberg y Stock (ERS)-Test de Phillips-Perron (PP)-Test de Kwiatkowski, Phillips, Smichdt y Shin (KPSS)-Test M

(c) Identificación de Quiebre Estructural:Test de Zivot Andrews(d) Ajuste Estacional: Census X12, TRAMO SEATS(e) Extracción de tendencia no lineal: Filtro Hodrick —Prescott y Baxter y King.

4. Modelos de vectores autorregresivos (VAR, VARX, SVAR)(a) Forma Estructural y Reducida de un modelo VAR(b) Identificación Recursiva: Descomposición de Cholesky

(c) Identificación de Corto plazo-Relaciones comtempráneas (Sims & Bernanke)-Identificación propuesta por Bernanke & Mihov (1998-Restricciones de Blanchard&Perotti

(d) Identificación de Largo Plazo (Blanchard & Quah)(e) Causalidad de Granger(f) Función Impulso Respuesta(g) Descomposición de Varianza(h) Descomposición de Varianza-Estimación estructural del Modelo de Stock y Watson-Modelo de Blanchard y Quah ( Modelo con Restricciones de Largo Plazo).-Modelo de Bernanke &Mihov-Aplicaciones sobre el Rol de los Factores Externos, impactos de la política fiscal en el Perú

5. Modelos de Series de Tiempo No Estacionarias: Cointegración(a) Defnición y Ejemplos(b) Regresiones espúreas(c) Prueba de cointegración univariadas

- Método de Engle y Granger- Mínimos cuadrados dinámicos

(d) Enfoque de Cointegración Multivariada de Johansen(e) Estimación del Modelo de Vector de Corrección de Errores(f) Estimación de la relación de Cointegración de Johansen(g) Aplicaciones: Estimación de la Demanda de Dinero, otras aplicaciones de interés.

Referencias Biliográficas:

-James D. Hamilton. Time series analysis. Princeton, New Jersey : Princeton University Press, 1994.-Walter Enders. Applied econometric time series. New Jersey : John Wiley & Sons, 2004.-Bowerman, Bruce L. Forecasting, time series, and regression. California : Thomson Editores, 2005-ARIMA Analysis in JMulTi. Markus KrÄatzig & Helmut LÄutkepohl. December 21, 2006.-VAR Analysis in JMulTi. Helmut L¨ utkepohl & Markus Kr¨ atzig & Dmitri Boreiko. January 19, 2006-VECM Analysis in JMulTi. Helmut L¨ utkepohl & Markus Kr¨ atzig. July 5, 2005-TRAMO and SEATS. Víctor Gómez and Agustín Maravall. 1997. Banco de España.

Lima, 2013

2