• Econometría y su aplicación en la gestión empresarial.

• Datos y toma de decisiones en los negocios.

• Relación entre problemas empresariales, variables y modelos.

• Variables dependientes e independientes.

• Tipos de datos: corte transversal, series temporales y datos de panel.

• Fuentes de información para el análisis empresarial.

• Introducción al entorno de trabajo en R y Python.​

• Regresión lineal simple.

• Regresión lineal múltiple.

• Método de mínimos cuadrados ordinarios (MCO).

• Interpretación de coeficientes.

• R² y R² ajustado.

• Pruebas de hipótesis.

• Significancia individual y conjunta.

• Estimación de modelos con R y Python.

• Interpretación de resultados desde una perspectiva empresarial.

• Construcción integral de modelos econométricos.

• Selección y transformación de variables.

• Variables cualitativas y variables dummy.

• Estimación y predicción.

• Evaluación de resultados.

• Visualización de resultados con R y Python.

• Interpretación económica y empresarial.

• Uso de resultados para apoyar decisiones.

• Comunicación de hallazgos y conclusiones.

• Importación y organización de bases de datos.

• Identificación y tratamiento de datos faltantes.

• Detección de valores atípicos.

• Transformación y creación de variables.

• Estadística descriptiva aplicada a los negocios.

• Análisis gráfico de variables.

• Análisis de correlaciones.

• Preparación de datos para la modelización econométrica.

• ​

​

​

• Supuestos del modelo de regresión.

• Multicolinealidad.

• Heterocedasticidad.

• Autocorrelación.

• Normalidad de los residuos.

• Errores de especificación.

• Aplicación de pruebas de diagnóstico.

• Alternativas de corrección.

• Evaluación y selección de modelos.

​

Durante el programa, cada participante desarrollará un proyecto econométrico aplicado a una problemática empresarial, integrando los conocimientos y herramientas trabajados durante las diferentes sesiones.