Dawn C. Porter

 Dawn Porter ha sido profesora adjunta del Departamento de Administración de Operaciones de la Marshall School of Business de la University of Southern California (USC) desde el otoño de 2006. En la actualidad imparte clases de introducción a la estadística tanto en licenciatura como en maestría en la Escuela de Administración. Antes de incorporarse al cuerpo docente de la USC, de 2001 a 2006, Dawn fue profesora adjunta de la McDonough School of Business en la Georgetown University, y antes de eso fue profesora visitante del Departamento de Psicología de la Graduate School of Arts and Sciences en la New York University (NYU). En NYU impartió diversos cursos sobre métodos estadísticos avanzados y también fue profesora de la Stern School of Business. Obtuvo su doctorado en Estadística en la Stern School.

Las áreas de interés para la investigación de Dawn son análisis categórico, medidas de acuerdo, creación de modelos multivariados y aplicaciones en el campo de la psicología. Su investigación actual examina los modelos de subasta en internet desde una perspectiva estadística. Ha presentado sus estudios de investigación en las conferencias de Joint Statistical Meetings, las reuniones del Decision Sciences Institute, la Conferencia Internacional sobre Sistemas de Información, varias universidades, como la London School of Economics y NYU, así como en diversas series de seminarios sobre comercio electrónico y estadística. Dawn es también coautora de Essentials of Business Statistics, 2a. edición, McGraw-Hill/Irwin, 2008. Fuera del ámbito académico, Dawn fue contratada como consultora en estadística de KPMG, Inc. También trabajó como consultora en estadística para muchas otras empresas importantes, entre otras, Ginnie Mae, Inc., Toys R Us Corporation, IBM, Cosmaire, Inc., y New York University (NYU) Medical Center.

Damodar N. Gujarati

Después de enseñar durante más de 25 años en la City University of New York y 17 años en el Departamento de Ciencias Sociales de la U.S. Military Academy en West Point, Nueva York, el doctor Gujarati es actualmente profesor emérito de economía de la Academia. El doctor Gujarati recibió el grado de M.Com de la Universidad de Bombay en 1960, el grado de M.B.A. de la Universidad de Chicago en 1963 y el grado de Ph.D. de la Universidad de Chicago en 1965. El doctor Gujarati ha publicado una gran cantidad de trabajos en reconocidas revistas nacionales e internacionales, como Review of Economics and Statistics, Economic Journal, Journal of Financial and Quantitative Analysis y Journal of Business. El doctor Gujarati fue miembro del Consejo Editorial de Journal of Quantitative Economics, publicación ofi cial de la Sociedad Econométrica de India. El doctor Gujarati es también autor de Pensions and the New York Fiscal Crisis (The American Enterprise Institute, 1978), Government and Business (McGraw-Hill,

1984) y Essentials of Econometrics (McGraw-Hill, 3a. ed., 2006). Los libros del doctor Gujarati sobre econometría se han traducido a diversos idiomas.

El doctor Gujarati fue profesor visitante de la Universidad de Sheffi eld, Inglaterra (1970- 1971), profesor visitante Fulbright en India (1981-1982), profesor visitante en la Facultad de Administración de la Universidad Nacional de Singapur (1985-1986) y profesor visitante de econometría de la Universidad de Nueva Gales del Sur, Australia (durante el verano de 1988). El doctor Gujarati ha dictado numerosas conferencias sobre temas micro y macroeconómicos en países como Australia, China, Bangladesh, Alemania, India, Israel, Mauricio y la República de Corea del Sur.

Temas en Econometría (V)

Con el capítulo 17 se concluye el análisis del modelo de regresión de una sola ecuación inciado en el capítulo 1. Estos 17 capítulos cubren mucho terreno en los modelos econométricos de una sola ecuación, obviamente sin agotarlo. En particular, no se han tratado aún las técnicas de estimación no lineal (en parámetros), ni se ha considerado el enfoque bayesiano de la ecuación lineal única, así como tampoco los modelos econométricos no lineales. Pero en un libro introductorio como  éste, no sería posible hacer justicia a estos temas, pues estos exigen una formación matemática y estadística mucho más avanzada que la supuesta en este libro.

Temas en Econometría (IV)

En el capítulo 17, se consideran los modelos de regresión que incluyen valores de las variables explicativas para el periodo actual, lo mismo que para periodos pasados o rezagados además de modelos que incluyen uno o varios valores rezagados de la variable dependiente que son consideradas variables explicativas. EStos modelos se denominan, modelos de rezago distribuido y modelos autorregresivos. Aunque tales modelos son extremadamente útiles en la econometría empírica, su aplicación conlleva algunos problemas especiales de estimación ya que violan uno o más supuestos del modelo clásico de regresión lineal. Estos problemas especiales se consideran en el contexto de Koyck, del modelo de expectativas adaptivas (EA) y de los modelos de ajuste parcial. Tambiénse resalta la crítica mantenida en contra del modelo EA por parte de los defensores dela llamada escuela de expectativas racionales (ER).

Temas en Econometría (III)

TAmbién se considera el modelo tobit, un modelo que está relacionado con el probit. En el modelo probit se trata, por ejemplo, de encontrar la probabilidad de poseer una casa. En el modelo tobit se trata de encontar la cantidad de dinero que un consumidor gasta en comprar una casa con relación a su ingreso, etc. Pero, por supuesto, si el consumidor no compra la casas, no se dispone de información sobre gastos en vivienda por parte de tales consumidores; se dispone de ese tipo de información solamente para los consumidores que realmente compran casas. Por tanto, se tiene una muestra censurada, es decir, una muestra en la cual no se dispone de información sobra la variable dependiente para algunas observaciones, aunque sí pueda haber información sobre los regresores. El modelo tobit muestra la forma como se pueden estimar los modelos de regresión que consideran muestras censuradas.

Temas en Econometría (II)

En el cap 16, se permite, en un modelo de regresión, que la variable dependiente en sí misma tenga por naturaleza carácter cualitativo. Tales modelos son utilizados en situaciones en las cuales las variables dependiente es del tipo "sí" o "no", tal como ser propietario de una asa, de un automóvil, o de accesorios domésticos o poseer un atributo, tal como la pertenencia a un sindicado o a una sociedad profesional. Los modelos que incluyen variables dependientes del tipo sí-no,se denominan modelos de regresión de variables dependiente dicótoma. Se consideran tres enfoques para la estimación de tales modelos: (1) el modelo lineal de probabilidad (MLP), (2) el modelo logit, y (3) el modelo probit. De estos, el MLP, aunque computacionalmente es fácil, es el menos satisfactorio ya que incumple algunos de los supuestos del MCO. Debido a esto, los modelos logit y probit son utilizados con mayor frecuencia cuando la varible dependiente resulta dicótoma. Estos modelos se ilustran con ejemplos numéricos y prácticos.

Temas en Econometría (I)

En la parte I se introdujo el modelo clásico de regresión lineal con todos sus supuestos. En la parte II se examinaron en detalle las consecuencias cuando uno o más de los supuestos no es satisfecho y lo que puede hacerse con respecto a ello. En la parte III se estudiarán algunas técnicas econométricas selectas pero de uso frecuente.

En el cap. 15, se considera el papel de las variables explicativas cualitativas en el análisis de regresión. Las variables cualitativas, llamadas variables dicótomas, son un mecanismo para incorporar en el modelo de regresión variables tales como el sexo, la religión y el color que aunque no pueden ser cuantificadas fácilmente, influencian el comportamiento de la variable dependiente. Con diversos ejemplos, se muestran la forma como tales variables amplían el alance del modelo de regresión lineal.