"Técnicas de Previsión de Demanda" es una asignatura obligatoria de 3º del Grado en Marketing que se imparte en el segundo cuatrimestre. Se sitúa dentro del módulo denominado "Investigación de Mercados" (M04).

El trabajo que se desarrolla en esta asignatura permite a los y las estudiantes utilizar el modelo de regresión lineal para analizar el comportamiento de variables económicas de interés a partir de los datos disponibles. Por ejemplo, explicar las ventas de una empresa, en función de distintos factores: gastos en publicidad, existencia de un portal de internet, localización, sector al que pertenece, etc. Tras el análisis, serán capaces de dar respuesta a preguntas como: ¿qué factores influyen y cuáles no en las ventas de una empresa?, ¿cuánto se puede esperar que aumenten las ventas si aumenta el gasto en publicidad en una determinada cantidad?, ¿qué ventas tendrá una empresa con determinadas características? Obtener y comprender este tipo de información es de gran ayuda en el proceso de gestión y toma de decisiones de la empresa.

El modelo de regresión lineal es un modelo útil y necesario para el aprendizaje de asignaturas que requieran analizar modelos económicos y empresariales para la toma de decisiones. El objetivo fundamental del curso es que, al final del mismo, los y las estudiantes sean capaces de analizar y cuantificar relaciones entre variables y utilizar el modelo de regresión lineal para tomar decisiones. Este objetivo se ha de satisfacer tanto desde un punto de vista teórico (resolver cuestiones y explicar resultados ya obtenidos) como práctico (estimar y contrastar un modelo con una base de datos concreta y utilizando los instrumentos informáticos disponibles). Se trabaja con el software gretl, programa porque presenta las ventajas de ser de código abierto y de uso gratuito.



La asignatura, de marcado carácter instrumental, prepara al alumnado para tomar decisiones en la planificación de la empresa sobre por ejemplo, el nivel de producción, las ventas futuras de un producto, el precio de venta, el nivel de salario de su plantilla, el gasto asumible en factores de producción, su política de contribución a la mejora del medio ambiente o su política tecnológica.



Para poder desarrollar adecuadamente la asignatura "Técnicas de Previsión de Demanda" son necesarios conocimientos de estadística descriptiva y de teoría de la probabilidad así como de inferencia estadística, como los que se obtienen en las asignaturas previas "Estadística y Análisis de Datos" y "Estadística Aplicada al Marketing e Investigación de Mercados". Así mismo se necesita saber utilizar el álgebra lineal y matricial a nivel básico, aspectos que se estudian tanto en Bachillerato como en las asignaturas de Matemáticas I y II de primer curso del grado.

Competencias Específicas:



C1. Analizar de forma crítica los elementos básicos del modelo de regresión lineal con el objetivo de comprender la lógica de la modelización econométrica y poder especificar relaciones causales entre variables económicas.

C2. Aplicar la metodología econométrica básica para estimar y validar relaciones económicas en base a la información estadística disponible sobre las variables y utilizando los instrumentos informáticos apropiados.

C3. Interpretar razonadamente los resultados obtenidos en la estimación y validación del modelo econométrico con el objetivo de elaborar informes económicos.

C4. Presentar de forma clara y concisa, tanto oralmente como por escrito, las conclusiones obtenidas en una aplicación empírica.





A lo largo del curso se trabajan las siguientes Competencias Transversales del módulo:



CT1. Capacidad para emitir juicios razonados apoyándose en los datos obtenidos en el contexto de Investigación de Mercados.

CT2. Desarrollar las habilidades de aprendizaje para adquirir un alto grado de autonomía, tanto de cara a emprender estudios posteriores como de cara a su propia autoformación en el contexto de Investigación de Mercados.

CT3. Capacidad para la comunicación escrita y oral con fluidez en el contexto de Investigación de Mercados.

CT4. Capacidad para el pensamiento analítico y la reflexión crítica en el contexto de Investigación de Mercados.



Del catálogo de Competencias Transversales de la UPV/EHU: Compromiso social (comprensión crítica de la problemática socio-ambiental global)



El profesorado que imparte esta asignatura promueve la ética académica fomentando la sensibilidad y percepción de los aspectos éticos del alumnado, tanto en su actitud dentro del aula como en la realización de trabajos individuales o en equipo y de tareas y prácticas varias a lo largo del curso.

En línea con el modelo IKD y la EHUagenda 2030 aprobados por la UPV/EHU, esta asignatura pretende ahondar en la formación integral, flexible y adaptada a las necesidades de la sociedad del alumnado. Para ello, incorpora el marco de los Objetivos de Desarrollo Sostenible de Naciones Unidas (2015) al análisis cuantitativo de problemas económicos reales mediante un enfoque de aprendizaje basado en la investigación. De esta forma, se pretende estrechar la relación entre la docencia en el aula, el marco de los ODS y su análisis, y la investigación y la orientación profesional que viene realizando en esta materia el profesorado de la asignatura.



Resultados de Aprendizaje:



- Comprender la especificación del modelo de regresión lineal y, en particular, el significado y las implicaciones de los supuestos básicos (C1).

- Saber incorporar en el modelo de regresión variables cuantitativas y cualitativas (C1).

- Interpretar los coeficientes del modelo de regresión, incluyendo los de especificaciones no lineales en las variables (C1, C3).

- Organizar y sistematizar información estadística relevante (C3, C4).

- Utilizar un software econométrico (Gretl) para el análisis de bases de datos económicos e interpretar sus resultados (C2, C3).

- Estimar el modelo de regresión por Mínimos Cuadrados Ordinarios (C2).

- Realizar contrastes de hipótesis sobre la relación económica propuesta (C3).

- Predecir valores de interés con un modelo econométrico (C3).

- Comprobar la validez de algunos de los supuestos básicos del modelo de regresión y aprender a modificar el análisis en caso de incumplimiento (C3).

- Seleccionar entre especificaciones alternativas en base a las propiedades de los estimadores (C3).

- Interpretar adecuadamente los resultados obtenidos en la estimación del modelo econométrico (C3, C4).

- Emitir juicios fundamentados sobre temas relevantes de índole socio-económico y ambiental a partir de la interpretación de datos y utilizando los modelos econométricos apropiados. (CT catálogo UPV/EHU)

1. Introducción a la Econometría.

¿Qué es la econometría? Concepto de modelo: modelo económico y modelo econométrico. Tipos de variables: variables ficticias. Tipos de de datos y modelos. Etapas en la elaboración de un modelo.



2. Modelo de Regresión Lineal general. Especificación.

Especificación del modelo: supuestos básicos. Función de regresión poblacional. Interpretación de los coeficientes: variables explicativas cuantitativas y variables explicativas cualitativas. Algunos modelos no lineales. Interacción entre variables cuantitativas y cualitativas.



3. Modelo de Regresión Lineal. Estimación.

Estimador de Mínimos Cuadrados Ordinarios (MCO). La función de regresión muestral: interpretación y propiedades. Bondad de ajuste: coeficiente de determinación. Estimador de la varianza de las perturbaciones. Análisis de residuos. Cambio de unidades de medida. Propiedades en muestras finitas del estimador MCO. Teorema de Gauss-Markov. Estimación del MRLG con gretl principales resultados.



4. Modelo de Regresión Lineal General. Inferencia.

Distribución del estimador MCO bajo normalidad. Estimación por intervalo. Contraste de hipótesis sobre los coeficientes de la regresión. Multicolinealidad. Problemas de especificación. Predicción. Inferencia en gretl.



5. Modelo de Regresión Lineal General. Diagnóstico y utilización.

Diagnóstico: análisis de resultados. Cambio estructural. Heterocedasticidad. Autocorrelación. Validación en gretl.





6. Modelos de Elección Discreta. Estimación e inferencia en Modelos de Elección Binaria. Modelos Logit y Probit. Interpretación de coeficientes. Estimación con datos individuales y con múltiples observaciones. Contraste de hipótesis en modelos de elección discreta. Modelos logit multinomiales.

La metodología docente se basa en dos tipos de sesiones: clases magistrales y clases prácticas en el aula o en el laboratorio informático. El calendario con la distribución de las distintas sesiones (cronograma) así como el material necesario para el aprendizaje de esta materia están disponibles en el aula virtual de la asignatura creada en la plataforma de apoyo a la docencia eGela.



Las clases magistrales desarrollan principalmente los distintos temas del programa. En ellas, se explican los conceptos teóricos y se muestran diversos ejemplos ilustrativos de los mismos para facilitar su comprensión. Se proporcionan además problemas, cuestionarios y ejercicios para que el alumnado los resuelva de forma individual o colectiva y así entienda la aplicabilidad de la teoría a distintos casos de estudio.



En las clases prácticas se realizarán, discutirán y presentarán varias tareas: algunas con el objetivo de que los y las estudiantes adquieran nuevo conocimiento por su cuenta y otras, con el fin de afianzar los conceptos expuestos en las clases magistrales. La organización general de todas las clases prácticas es muy similar. En primer lugar, se proporciona al alumnado en eGela el enunciado de la tarea que deben trabajar en horas no presenciales y traer preparada a la clase práctica. En segundo lugar, se trabaja esta tarea en el aula de forma individual o en grupo. Habitualmente por cada tarea el alumnado aportará al docente una evidencia o resultado de las actividades realizadas en el aula (presentación oral y/o entregable). Además, el seguimiento del aprendizaje planteado en estas tareas puede prolongarse a lo largo de las siguientes clases magistrales proporcionando feed-back sobre el trabajo realizado y las evidencias presentadas. De esta forma, el alumnado tiene la oportunidad de tomar conciencia de su aprendizaje y poder, en caso necesario, reconducir sus tácticas de aprendizaje para mejorar sus resultados. La primera parte de esta metodología se centra en preparar y afianzar conocimientos de forma autónoma, la segunda permite resolver las dudas surgidas y la tercera complementa el avance logrado.

• Sistema de Evaluación Final
• Herramientas y porcentajes de calificación:
  • Prueba escrita a desarrollar (%): 70
  • Realización de prácticas (ejercicios, casos o problemas) (%): 30

En la convocatoria ordinaria se llevará a cabo una evaluación continua. La calificación total se obtendrá como sigue:



- La resolución de ejercicios y problemas a presentar o realizar en las clases prácticas y en los seminarios y la resolución de tareas periódicas, tanto de forma de forma individual como en grupo 30%.

- Prueba final complementaria e individual 70%. Consistirá en un examen escrito en el que se

responderá tanto a cuestiones teóricas como prácticas relacionadas con el contenido de la asignatura.



La calificación final se obtendrá como la media ponderada de las calificaciones obtenidas.

Para poder realizar esta media es requisito indispensable obtener al menos una nota de 4 sobre 10 en la prueba final complementaria individual. En caso contrario, la calificación asignada corresponderá a la nota obtenida en la prueba escrita individual exclusivamente.



El profesorado de la asignatura se reserva el derecho de modificar el sistema de evaluación por causa sobrevenida.



En las pruebas y exámenes de esta asignatura se podrá utilizar calculadora y cuando corresponda el PC disponible en las salas de informática que la UPV/EHU pone a su disposición. No se podrán utilizar (ni siquiera como calculadora) dispositivos electrónicos como teléfonos o tabletas. Excepcionalmente esta norma podrá relajarse para exámenes concretos, en atención a su tipo, lo que se avisará con antelación.

El alumnado de esta asignatura está sujeto al Protocolo sobre ética académica y prevención de las prácticas deshonestas o fraudulentas en las pruebas de evaluación y en los trabajos académicos en la UPV/EHU. (https://www.ehu.eus/documents/2100129/0/6.-+b%29+Protocolo+plagio+cas+-.pdf/11f13960-d46a-cf5a-ac13-ebfb5ad10acd).



Según lo expresado en el art. 8 del capítulo II de la Normativa Reguladora de la Evaluación del Alumnado en las Titulaciones Oficiales de Grado de la UPV/EHU, el alumnado que desee ser evaluado mediante el sistema de evaluación final, deberá solicitarlo por escrito al profesor o profesora responsable de su grupo antes de que finalicen las 9 primeras semanas de clase. Para hacer la solicitud de renuncia a la evaluación continua basta con rellenar el impreso que se facilita en la plataforma e-Gela de cada grupo de la asignatura y entregárselo, debidamente firmado, a su profesor o profesora en el aula. El docente responsable de cada grupo publicará la lista del alumnado que ha renunciado a la evaluación continua en la plataforma e-Gela en un plazo máximo de 3 días. La evaluación para aquellos estudiantes que en la convocatoria ordinaria hayan solicitado la renuncia al sistema de evaluación continua consistirá en una prueba individual escrita (que supondrá el 100% de la calificación) en la que se evaluarán todos los resultados del aprendizaje de la asignatura. Esta prueba tendrá lugar en la fecha fijada en el calendario oficial de exámenes en las aulas de informática del centro.



Según lo expresado en el art. 12 del capítulo II de la Normativa Reguladora de la Evaluación del Alumnado en las Titulaciones Oficiales de Grado de la UPV/EHU, para renunciar a la convocatoria ordinaria será suficiente, con no presentarse a la prueba fijada en el calendario oficial de exámenes, que supone el 70% de la calificación en el caso de evaluación continua y el 100% en el caso de evaluación final. Quedará reflejado en el acta como NO PRESENTADA / NO PRESENTADO.

La evaluación en la convocatoria extraordinaria consistirá en una prueba individual (que supondrá el 100% de la calificación) en la que se evaluarán todos los resultados del aprendizaje de la asignatura.



El profesorado de la asignatura se reserva el derecho de modificar el sistema de evaluación por causa sobrevenida.



Para renunciar a la convocatoria extraordinaria será suficiente con no presentarse a la prueba individual. Quedará reflejado en el acta como NO PRESENTADO.

Plataforma eGela.
Programa Gretl.

Bibliografía básica

La bibliografía básica recomendada consta de libros de texto y material online. Si bien no todos los títulos incluidos en la bibliografía cubren el total de los contenidos del curso, el conjunto de todos los presentados en la bibliografía básica son suficientes para preparar la materia.



1. Stock, James H. y Mark Watson (2012). Introducción a la Econometría, 3ª ed., Madrid,Pearson.



2. Wooldridge, Jeffrey M., (2006), Introducción a la econometría: Un enfoque moderno, 2ª ed., Madrid, Thomson-Paraninfo.



Material de Prácticas y ejercicios:

1. Fernández, Ana, González, Pilar, Regúlez, Marta, Moral, Paz, Esteban, M. Victoria (2005). Ejercicios de Econometría, 2ª ed., McGraw-Hill.





2. González, Pilar y Susan Orbe (2012). Prácticas para el aprendizaje de la Econometría. Servicio Editorial UPV/EHU.



Material Online



1. Esteban, M.Victoria, Paz Moral, Susan Orbe, Marta Régulez, Ainhoa Zárraga y Marian Zubia (2009). Análisis de Regresión con Gretl. OpenCourseWare. UPV-EHU. (hyperlink: ocw.ehu.es,[2009/12][Cas])



2. Fernández, Javier y González, Pilar(2009). Introducción a la Econometría, EHU OpenCourseWare, Creative Commons, (hyperlink: ocw.ehu.es, [2009/03][Cas]).



3. González, Pilar y Susan Orbe (2013). Econometría aplicada con Gretl, EHU OpenCourseWare, Creative Commons, (hyperlink: ocw.ehu.es, [2013/12][Cas]).

Bibliografía de profundización

1. Gujarati, Damodar (2003). Basic Econometrics, 4ª ed., Madrid, McGraw-Hill.

2. Hill, R. Carter, Griffiths, William E. y George G. Judge (2003). Undergraduate Econometrics, 4ª ed., McGraw-Hill.

3. Hill, R. Carter, Griffiths, William E. y Guay C. Lim (2003). Principles of Econometrics, 4ª ed., Danvers, Wiley.

4. Ramanathan, Ramu, (2002). Introductory Econometrics with Applications, 5ªed., Ohio, SouthWestern.

Revistas

Revistas de Econometría (inglés)

1. Econometric Reviews
2. Empirical Economics Journal
3. International Journal of Forecasting
4. Journal of Applied Econometrics
5. Journal of Business and Economic Statistics
6. Journal of Econometrics
7. Journal of Economic Dynamics and Control
8. Journal of Forecasting
9. Oxford Bulletin of Economics and Statistics
10. Review of Economics and Statistics
11. Review of Economic Studies

y muchas más.... buscar en UPV/EHU library--online journals.

Revistas de Econometría (español)

1. http://www.revecap.com. Revista de Economía Aplicada
2. http://www.revistaestudiosregionales.com. Revista de Estudios Regionales
3. http://www.funep.es/invecon/sp/sie.asp. Investigaciones Económicas
4. http://www1.euskadi.net/ekonomiaz. Ekonomiaz

Direcciones web

Instituciones:

1) http://www.eustat.es. EUSTAT
2) http://www.ine.es. INE
3) http://www.bde.es. Banco de España.
4) http://ec.europa.eu/eurostat. EUROSTAT
5) http://www.oecd.org OCDE
6) http://www.imf.org. Fondo Monetario Internacional
7) http://www.worldbank.org. Banco Mundial
8) http://www.bolsamadrid.es Bolsa de Madrid


Bases de datos:

1) http://www.nber.org/data_index.html
2) http://www.estadief.minhac.es/
3) http://fisher.osu.edu/fin/osudown.htm
4) http://econ.queensu.ca/jae/
5) http://www.psidonline.isr.umich.edu/data/
6) http://www.census.gov/