Este curso ofrece una introducción exhaustiva al Análisis de Datos Funcionales (FDA) como herramienta fundamental para analizar conjuntos de datos de alta dimensionalidad, a menudo denominados Big Data. El objetivo principal es proporcionar una introducción accesible al FDA, adaptada tanto a públicos con enfoque teórico como aplicado, para favorecer un aprendizaje efectivo del contenido. Los objetivos incluyen abordar los conceptos fundamentales del FDA (p. ej., expansión en bases, componentes principales, etc.), los modelos de regresión funcional, las estructuras de datos dependientes (p. ej., series temporales y datos espaciales) y las técnicas de reducción de la dimensionalidad esenciales para extraer señales de conjuntos de datos complejos. La implementación práctica se ilustrará con diversos conjuntos de datos económicos, como los del mercado eléctrico, datos climáticos/medioambientales y perfiles de ingresos. Además, el curso proporcionará referencias a investigación avanzada para quienes deseen profundizar en temas específicos de FDA.
Competencias Básicas:
Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
Aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
Integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
Comunicar conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
Poseer las habilidades de aprendizaje que permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Competencias Generales:
Analizar y sintetizar un texto científico.
Interpretar y elaborar en inglés tantos textos avanzados como discursos en la temática de la economía.
Aplicar conocimientos matemáticos avanzados al análisis económico
Aplicar conocimientos avanzados de programas específicos de economía, matemáticas y econometría
Evaluar textos científicos
Elaborar textos y presentaciones científicas
Identificar las convenciones habituales en la ciencia, y en particular en la ciencia económica
Identificar el valor añadido de una contribución científica
Competencias Específicas:
Aplicar e interpretar a nivel avanzado el concepto de variable aleatoria distinguiendo (a) entre resultados potenciales y realizados, y (b) entre población y muestra
Aplicar a problemas avanzados la descripción de una variable aleatoria usando la función de distribución de probabilidad y la función de distribución acumulada.
Analizar una muestra aleatoria para proporcionar estimadores de momentos o características de una variable aleatoria, distinguiendo entre parámetros de la población (desconocidos) y estimadores muéstrales
Aplicar de forma avanzada la estimación estadística y el test de hipótesis para hacer inferencias de un parámetro o característica de una variable aleatoria
Aplicar e interpretar a nivel avanzado las propiedades de estimadores en muestras finitas y en muestras grandes.
Aplicar e interpretar el modelo de regresión lineal y sus supuestos
Aplicar e interpretar a nivel avanzado el estimador de mínimos cuadrados ordinarios en el modelo de regresión lineal bajo los supuestos clásicos, y de sus tests paramétricos
Discutir las consecuencias de alejarse de los supuestos clásicos en el modelo de regresión lineal
Aplicar e interpretar a nivel avanzado el enfoque de variables
Aplicar e interpretar a nivel avanzado la identificación y estimación de sistemas de ecuaciones lineales simultáneas: OLS, GLS 2SLS y 3SLS
Aplicar e interpretar el modelo de datos de panel, y discutir el problema de heterogeneidad no observable, y métodos de estimación
Aplicar e interpretar a nivel avanzado el modelo de series temporales, y discutir el problema de la autocorrelación y métodos de estimación
Resultados de aprendizaje:
1. Dominio de la formación básica en métodos cuantitativos para realizar investigación aplicada y teórica en el área de Economía.
2. Dominio de los conceptos básicos de la teoría de la probabilidad.
3. Familiaridad con los modelos teóricos disponibles que se pueden utilizar para modelar los datos.
4. Familiaridad con los métodos de muestreo que se necesitan para comprender las técnicas de estimación e inferencia.
5. Dominio de las técnicas estadísticas necesarias para el estudio de la econometría.
6. Dominio de los fundamentos de la teoría de la probabilidad aplicada a la justificación de inferencias estadísticas en grandes muestras.
7. Dominio de la teoría de la inferencia en modelos lineales bajo diferentes condiciones.
8. Desarrollo de la capacidad para la construcción de modelos econométricos adecuados a la naturaleza de los datos económicos de diversas fuentes.
9. Desarrollo de la capacidad de análisis de las propiedades de los modelos y de los métodos de inferencia estadística apropiados para su uso en la práctica.
10. Desarrollo de la capacidad de diagnóstico del modelo y de mejora del modelo a partir de su diagnóstico.
11. Desarrollo de la capacidad de análisis empírico mediante el uso de modelos econométricos para contrastar teorías económicas.
12. Desarrollo de la capacidad de hacer estimación e inferencia de modelos dinámicos.
13. Desarrollo de la capacidad para aplicar distintas filosofías para seleccionar el modelo más empírico más adecuado.
14. Desarrollo de la capacidad para evaluar modelos alternativos basados en las predicciones.
15. Desarrollo de la capacidad para interpretar el análisis causal en econometría.
16. Dominio del análisis empírico con microdatos: hogares, empresas, o individuos, en particular, especificaciones, métodos de estimación e inferencia de varios tipos de modelos formulados tanto para datos de panel como para datos de sección cruzada.
17. Domino de las técnicas de datos de panel desde los modelos lineales con efectos aleatorios, hasta las últimas técnicas y estudios como los estudios sobre la identificación y estimación de modelos no lineales con efectos fijos o las técnicas para el análisis de cuantiles.
18. Desarrollo de la capacidad para realizar aplicaciones económicas de técnicas econométricas.
19. Conocimiento de los trabajos empíricos principales en las distintas áreas de economía: Economía Laboral, Economía de la Salud, Economía de la Educación, Organización Industrial, Evaluación de Políticas Públicas, Estimaciones de Funciones de Demanda, etc.
20. Dominio de las técnicas macro-econométricas y computacionales modernas.
21. Desarrollo de la capacidad para replicar los resultados de una publicación científica y para transmitir los detalles de la replicación.
22. Desarrollo de la capacidad crítica, de síntesis y la creatividad en trabajos empíricos.
