Introducción a la econometría. Un enfoque moderno, 4ta edición – Jeffrey M. Wooldridge Lo que me motivo a redactar la primera edicion de Introduccion a la econometria: un enfoque moderno fue la brecha tan extensa que existe entre la ensenanza de la materia en los cursos universitarios y la forma en la que los estudiosos empiricos comprenden y aplican los métodos econometricos. Quede persuadido de que una introduccion a la econometria desde la perspectiva de los usuarios profesionales simplificaria la exposicion y haria el tema mucho pero interesante. Con base en la reaccion positiva a las ediciones precedentes, semeja que esta fue una idea atinada. Muchos enseñantes, con formacion y también intereses diferentes y cuyos estudiantes tienen niveles dispares de preparacion, han adoptado el enfoque moderno de la econometria expuesto en este libro. En esta edicion prosigo haciendo enfasis en la econometria aplicada a cuestiones reales. Todos y cada uno de los metodos econometricos están motivados por inconvenientes particulares con los que se hallan los estudiosos al examinar datos no experimentales. El punto central en el libro es la comprension y también interpretacion de los presuntos a la luz de aplicaciones empiricas reales: las matematicas requeridas no van pero allá del algebra universitaria y la probabilidad y estadística basicas. Creado para los profesores de econometría de el día de hoy En esta cuarta edicion se conserva la estructura general de la tercera. La característica pero sobresaliente que distingue a este libro de la mayoría es la division de los temas con base en el género de datos analizados. Este es un claro distanciamiento de la metodología tradicional, en la que se presenta un modelo lineal, se cuentan todos los presuntos que pueden precisarse en algún punto siguiente del analisis y después se prueban o bien presentan resultados sin relacionarlos meridianamente con los presuntos. Mi metodología consiste en tratar primero, en la parte 1, el análisis de regresion multiple con datos de corte trasversal bajo el presunto de un muestreo azaroso. Esto resulta conocido para el lector, pues ya esta familiarizado con el muestreo azaroso de poblaciones por los cursos de introduccion a la estadistica. En buena medida, esto deja distinguir los presuntos sobre el modelo de regresion poblacional latente –supuestos a los que se les puede dar un contenido economico o bien conductual– de los presuntos sobre como se muestrearon los datos. El analisis de las consecuencias de un muestreo no azaroso puede verse de forma intuitiva en el momento en que los estudiantes tengan una conveniente comprension del modelo de regresion multiple estimado utilizando muestras azarosas. Una característica esencial de un enfoque moderno es que las variables explicativas –junto con la variable independiente– son tratadas como resultados (valores) de las variables azarosas. En las ciencias sociales, estimar variables explicativas azarosas es mucho pero razonable que el presunto tradicional de variables explicativas no azarosas. Una ventaja no trivial, es que el modelo poblacional/enfoque del muestreo azaroso reduce la cantidad de supuestos que el lector debe absorber y comprender. Curiosamente, el enfoque clasico al analisis de regresion, que trata a las variables explicativas como fijas en muestras repetidas, y que prosigue siendo dominante en los libros propedéuticos, se emplea de forma textual con datos recogidos experimentalmente. : Capítulo 1. La naturaleza de la econometría y los datos económicos 1 PARTE 1: ANÁLISIS DE REGRESIÓN CON DATOS DE CORTE TRANSVERSAL 21Capítulo dos. El modelo de regresión simple 22Capítulo tres. Análisis de regresión múltiple: estimación 68Capítulo cuatro. Análisis de regresión múltiple: inferencia 117Capítulo cinco Análisis de regresión múltiple: MCO asintóticos 167Capítulo seis. Análisis de regresión múltiple: temas auxiliares 184Capítulo siete. Análisis de regresión múltiple con información cualitativa: variables binarias (o bien dummy) 225Capítulo ocho. Heterocedasticidad 264Capítulo nueve. Más sobre especificación y temas de datos trescientos PARTE 2: ANÁLISIS DE REGRESIÓN CON DATOS DE SERIES DE TIEMPO 339Capítulo diez. Análisis básico de regresión con datos de series de tiempo 340Capítulo once. Aspectos auxiliares de MCO con datos de series de tiempo 377Capítulo doce. Relación serial y heterocedasticidad en regresiones de series de tiempo cuatrocientos ocho PARTE 3: TEMAS AVANZADOS 443Capítulo trece. Combinación de cortes trasversales en el tiempo: métodos simples para datos de panel 444Capítulo catorce. Métodos avanzados para datos de panel 481Capítulo quince. Estimación con variables instrumentales y mínimos cuadrados en 2 etapas 506Capítulo dieciseis. Modelos de ecuaciones compaginas 546Capítulo diecisiete. Modelos de variable dependiente limitada y correcciones a la selección muestral 574Capítulo dieciocho. Temas avanzados de series de tiempo 623Capítulo diecinueve. Realización de un proyecto experimental seiscientos sesenta y ocho APÉNDICEApéndice A. Herramientas matemáticas básicas 695Apéndice B. Fundamentos de probabilidad 714Apéndice C. Fundamentos de estadística matemática 747Apéndice D. Resumen de algebra matricial 788Apéndice Y también. El modelo de regresión lineal en forma matricial 799Apéndice F. Contestaciones a las preguntas del capítulo 813Apéndice G. Tablas estadísticas 823Referencias 830Glosario 835Índice ochocientos cuarenta y nueve