🎯 Objetivos de Aprendizaje

Al finalizar este módulo, los estudiantes serán capaces de:

1. ✅ Estimar e interpretar modelos de elección binaria (Logit, Probit, Multinomial)
2. ✅ Aplicar técnicas de variables dependientes limitadas (Tobit, Heckit)
3. ✅ Analizar datos panel usando efectos fijos, efectos aleatorios y primeras diferencias
4. ✅ Abordar endogeneidad en datos panel usando estimadores IV y GMM
5. ✅ Implementar modelos panel dinámicos (Arellano-Bond, GMM Sistémico)
6. ✅ Realizar inferencia causal usando Diferencias en Diferencias
7. ✅ Interpretar y validar resultados econométricos críticamente

🚀 Primeros Pasos

Requisitos Previos

Requisitos de Software:

• R (≥ 4.0.0)
• RStudio (recomendado)
• Quarto (≥ 1.3) para renderizar presentaciones

Paquetes de R Requeridos:

# Paquetes básicos
install.packages(c(
  "tidyverse",      # Manipulación y visualización de datos
  "plm",            # Modelos de datos panel
  "lmtest",         # Pruebas diagnósticas
  "sandwich",       # Errores estándar robustos
  "AER",            # Econometría Aplicada con R
  "sampleSelection" # Modelos Tobit y Heckit
))

# Datos panel avanzados
install.packages(c(
  "pdynmc",         # Modelos panel dinámicos (Arellano-Bond)
  "panelView",      # Visualización de datos panel
  "fixest",         # Efectos fijos rápidos
  "did"             # Diferencias en Diferencias
))

# Utilidades adicionales
install.packages(c(
  "stargazer",      # Tablas LaTeX/HTML
  "modelsummary",   # Tablas de regresión modernas
  "ggplot2",        # Gráficos
  "knitr",          # Reportes dinámicos
  "kableExtra"      # Tablas mejoradas
))

Inicio Rápido

1. Clonar el repositorio:

git clone https://github.com/DiegoSReco/UNAM_Econometrics_Diploma_Microeconometrics.git
cd UNAM_Econometrics_Diploma_Microeconometrics

2. Abrir RStudio y establecer el directorio de trabajo:

setwd("ruta/a/UNAM_Econometrics_Diploma_Microeconometrics")

3. Ejecutar scripts de ejemplo:

# Ejemplo de modelos binarios
source("code/script_ModelosRespuestaBinaria.R")

# Ejemplo de datos panel
source("code/script_plm_gdp_le.R")

4. Renderizar presentaciones (requiere Quarto):

quarto render slides/02_ppt_Modulo4_MPL.qmd

📖 Contenido del Curso

1: Introducción la microeconometría (enfoque de Inferencia Causal

Presentación: 01_Modulo4_IntMicroeconometrics.qmd

• ¿Qué es la Microeconometría?
• ¿Qué es la Inferencia Causal?
• Marco de Resultados Potenciales

2: Modelos de Respuesta Binaria

Presentación: 02_ppt_Modulo4_MPL.qmd
Código: script_ModelosRespuestaBinaria.R

• Modelo de Probabilidad Lineal (MPL)
• Modelos Logit y Probit
• Efectos marginales e interpretación
• Comparación y diagnósticos de modelos

3: Variables Dependientes Limitadas

Presentación: 03_ppt_Modulo4_Tobit.qmd
Código: script_Tobit_Heckman.R

• Datos censurados y truncados
• Modelos Tobit (Tipo I)
• Modelos de selección muestral (Heckman dos etapas)
• Aplicaciones: oferta laboral, salarios

4: Modelos de Datos Panel

Presentación: 04_ppt_Modulo4_DatoPanel.qmd y 05_ppt_Modulo4_DiffinDiff.qmd Código: script_plm_gdp_le.R, script_plm_wage_union.R, script_diffindiff_minimum_wages.R

• Estructura y ventajas de datos panel
• OLS Agrupado (Pooled OLS) vs. Estimadores Panel
• Efectos Fijos (FE) y Efectos Aleatorios (RE)
• Prueba de Hausman
• Primeras Diferencias
• Diferencias en Diferencia (DiD)
• Aplicaciones: PIB y esperanza de vida

Módulo 5: Modelos Panel Dinámicos I

Presentación: 06_ppt_Modulo4_PanelDinamico.qmd
Código: script_wage_hrs_Ziliak.R

• Variables instrumentales en datos panel
• Mínimos Cuadrados en Dos Etapas (2SLS)
• Método Generalizado de Momentos (GMM)
• Pruebas de instrumentos débiles
• Sesgo en panel dinámico
• Estimador PGMM
• GMM en primeras diferencias
• Pruebas de validez de instrumentos (Sargan, Hansen)
• Aplicaciones: ecuaciones salariales, afiliación sindical

Módulo 6: Modelos Panel Dinámicos II

Presentación: 07_ppt_Modulo4_PanelDinamicoII.qmd
Código: script_ABond_ABover.R

• Estimador Arrellano-Bond
• Estimador Arellano-Bover (Combinación de niveles y diferencias)
• Aplicaciones empíricas

📊 Conjuntos de Datos

mroz - Conjunto de datos de mujeres en el mercado laboral

Fuente: Wooldridge Source: T.A. Mroz (1987). Descargue en paquetería wooldridge. Descripción: Participación laboral y salarios de mujeres casadas

gapminder - Conjunto datos de esperanza de vida y PIB per cápita

Fuente: CausalData: Causaldata Descripción: Relación de esperanza de vida y PIB per cápita

wagepan - Conjunto datos de hombres en el mercado laboral y sindicalismo

Fuente: Wooldridge Source: F. Vella and M. Verbeek (1998). Descargue en paquetería wooldridge. Descripción: Relación de salario con el estado de pertenecer a un sindicato.

MOM.dat - Conjunto de de datos de la oferta laboral de trabajadores en EU.

Fuente: Panel Survey of Income Dynamics J. Ziliak (1997), "Efficient Estimation With Panel Data when Instruments are Predetermined: An Empirical Comparison of Moment-Condition Estimators," Descripción: Relación intertemporal de la oferta de trabajo con el salari.

EmplUK - Empleo y salarios en Inglaterra

Fuente: Descargue en paquetería plm. Descripción: Relación intertemporal de la oferta de trabajo con el salari.

🛠️ Solución de Problemas

Problemas Comunes

1. Quarto no encontrado:

# Instalar Quarto desde: https://quarto.org/docs/get-started/

2. Errores de instalación de paquetes:

# Actualizar R a la última versión
# Para Ubuntu/Debian:
sudo apt-get update
sudo apt-get install r-base-dev

# Instalar dependencias del sistema para paquetes
sudo apt-get install libxml2-dev libcurl4-openssl-dev libssl-dev

3. Falla el renderizado de presentaciones:

# Verificar instalación de Quarto
system("quarto check")

# Renderizar desde terminal en su lugar
system("quarto render slides/01_modelos_respuesta_binaria.qmd")

📚 Referencias y Recursos

Libros de Texto Clave

• Wooldridge, J.M. (2010). Econometric Analysis of Cross Section and Panel Data (2da ed.). MIT Press.
• Cameron, A.C. & Trivedi, P.K. (2005). Microeconometrics: Methods and Applications. Cambridge University Press.
• Greene, W.H. (2018). Econometric Analysis (8va ed.). Pearson.
• Angrist, J.D. & Pischke, J.S. (2009). Mostly Harmless Econometrics. Princeton University Press.

Artículos Clave

• Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies, 58(2), 277-297.
• Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87(1), 115-143.
• Card, D., & Krueger, A.B. (1994). Minimum wages and employment: A case study of the fast-food industry in New Jersey and Pennsylvania. American Economic Review, 84(4), 772-793.
• Heckman, J.J. (1979). Sample selection bias as a specification error. Econometrica, 47(1), 153-161.

Recursos en Línea

• Documentación de Quarto
• Viñeta del Paquete plm
• Econometría de Datos Panel en R
• Recursos de Diferencias en Diferencias

Ver carpeta references/ para listas curadas.

📝 ¿Cómo citar?

Si utiliza estos materiales en su investigación o enseñanza, por favor cite:

@misc{reco2025microeconometrics,
  author = {Sánchez-Rojas, Diego R.},
  title = {Diplomado de Economía UNAM - Módulo 4: Modelos Binarios y Datos Panel},
  year = {2025},
  publisher = {GitHub},
  url = {https://github.com/DiegoSReco/UNAM_Econometrics_Diploma_Microeconometrics}
}

Ver CITATION.cff para formato de citación legible por máquina.

📄 Licencia

Este trabajo está licenciado bajo Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.

Usted es libre de:

• ✅ Compartir — copiar y redistribuir el material
• ✅ Adaptar — remezclar, transformar y construir sobre el material

Bajo los siguientes términos:

• 📌 Atribución — Debe dar crédito apropiado
• 🚫 NoComercial — No puede usar para fines comerciales
• 🔄 CompartirIgual — Debe distribuir bajo la misma licencia

🤝 Contribuciones

¡Las contribuciones son bienvenidas! Si encuentra errores, tiene sugerencias o desea agregar materiales:

1. Haga un fork del repositorio
2. Cree una rama de característica (git checkout -b feature/mejora)
3. Haga commit de sus cambios (git commit -m 'Agregar mejora')
4. Haga push a la rama (git push origin feature/mejora)
5. Abra un Pull Request

📧 Contacto

Mtro. Diego Sánchez Rojas

• 📧 Email: [diegosreco@gmail.com]
• 🐙 GitHub: [@D

Este repositorio contiene los archivos necesarios para realizar una lista de asistencia usando el reconocimiento facial, el programa genera una base de datos donde se registra la fecha, hora y nombre del rostro reconocido. Los datos son guardados en una base de datos y posteriormente se crea un archivo pdf con los datos de la asistencia. pdf