Este libro tiene como objetivo presentar las técnicas avanzadas de predicción en su aplicación práctica. Se inicia cada capítulo con una introducción a los conceptos teóricos necesarios para comprender los ejemplos y ejercicios que ilustran las diversas técnicas de modelización. Se emplearán los paquetes de software más adecuados como R, SAS, SPSS y STATGRAPHICS.

Dirigido a docentes, investigadores y estudiantes universitarios de todos los niveles que trabajan con Econometría o modelización en general, este contenido también es valioso para profesionales de la Economía, Estadística, Ciencias Sociales, Ciencias Experimentales, Ingenierías y otras disciplinas científicas donde se aplican técnicas predictivas.

El libro comienza abordando la estimación, diagnóstico y predicción en el modelo de regresión múltiple, examinando en detalle problemáticas como la heterocedasticidad, multicolinealidad, autocorrelación, falta de normalidad, no linealidad y problemas con regresores estocásticos y exogeneidad. Se analizan tanto los métodos de detección como de corrección para cada una de estas problemáticas. Seguidamente, se profundiza en el modelo lineal general y los modelos lineales generalizados.

A continuación, se exploran los modelos dinámicos, el análisis univariante y multivariante de series temporales, que incluyen los modelos ARIMA, análisis de intervención y función de transferencia a través de la metodología de Box Jenkins. Este contenido se amplía hacia los modelos multiecuacionales de ecuaciones simultáneas y los modelos VAR, VARMA, VARX, BVAR, y otras formas de modelos multivariantes de series temporales.

La parte final del libro se adentra en los modelos no lineales uniecuacionales y multiecuacionales, los árboles de decisión y los modelos de redes neuronales.

VER PRECIO EN AMAZON