Apéndice A — Apéndice: Bases de datos utilizadas en el libro

En este apéndice se documentan todas las bases de datos empleadas a lo largo del manual: su fuente, el periodo y la unidad de observación, las variables que contienen y, cuando existe, el código con el que se han generado o importado. El objetivo es que cualquier lector pueda reproducir los ejemplos y prácticas del libro a partir de los ficheros disponibles en el repositorio.

A.1 Top 100 empresas andaluzas del transporte

Fichero: BD_SABI.xlsx (hoja Datos)
Fuente: SABI — Sistema de Análisis de Balances Ibéricos (Informa/Moody’s)
Tipo de datos: corte transversal
Periodo / unidad de observación: ejercicio 2024, 100 empresas
Usado en: Introducción, Tema 1, Tema 2, Tema 4

Variables

Código

knitr::kable(read_excel("data/BD_SABI.xlsx", sheet = "Diccionario"))

Variable	Descripcion	Unidad
ROA	Rentabilidad sobre activos (Return on Assets)	%
LIQUIDEZ_INMEDIATA	Liquidez inmediata	%
LIQUIDEZ_GENERAL	Liquidez general	%
ENDEUDAMIENTO	Ratio de endeudamiento	%
EBIT	Beneficio antes de intereses e impuestos (EBIT)	miles EUR
VENTAS	Ventas	miles EUR
ACTIVOS	Activos totales	miles EUR
EMPLEADOS	Numero de empleados	personas
PROVINCIA	Provincia andaluza en la que radica la empresa	-

Código de generación
No procede un script reproducible: los datos se exportaron manualmente desde la plataforma SABI aplicando los filtros sector = transporte, región = Andalucía, seleccionando las 100 primeras empresas por tamaño de activo.

A.2 El IBEX35 frente a otros índices bursátiles

Fichero: BD_IBEX.xlsx (hoja Datos)
Fuente: Yahoo Finance, vía el paquete quantmod
Tipo de datos: serie temporal
Periodo / unidad de observación: mensual, octubre 2020 – agosto 2026 (71 observaciones)
Usado en: Tema 2

Variables

Código

knitr::kable(read_excel("data/BD_IBEX.xlsx", sheet = "Diccionario"))

Variable	Descripcion	Unidad
Fecha	Fecha de la observacion (mensual, ultimo dia del mes)	-
IBEX	Indice bursatil IBEX 35 (cierre)	puntos
EUROSTOXX50	Indice bursatil EURO STOXX 50 (cierre)	puntos
SP500	Indice bursatil S&P 500 (cierre)	puntos
Rend_IBEX	Rendimiento mensual del IBEX 35	%
Rend_EUROSTOXX50	Rendimiento mensual del EURO STOXX 50	%
Rend_SP500	Rendimiento mensual del S&P 500	%

Código de generación
No procede. Se adjunta código de descarga desde yahoo:

Código

library(quantmod)
library(dplyr)

# Descargar precios de cierre diarios de los tres índices
getSymbols("^IBEX", src = "yahoo")
getSymbols("^STOXX50E", src = "yahoo")
getSymbols("^GSPC", src = "yahoo")

# Precio de cierre mensual de cada índice
ibex_mensual <- Cl(to.monthly(IBEX, indexAt = "lastof", OHLC = FALSE))
eurostoxx_mensual <- Cl(to.monthly(STOXX50E, indexAt = "lastof", OHLC = FALSE))
sp500_mensual <- Cl(to.monthly(GSPC, indexAt = "lastof", OHLC = FALSE))

# Unir los tres índices por fecha
datos_ibex <- merge(ibex_mensual, eurostoxx_mensual, sp500_mensual, join = "inner")
colnames(datos_ibex) <- c("IBEX", "EUROSTOXX50", "SP500")

# Convertir a data.frame, calcular rendimientos y quedarnos con los últimos 71 meses
datos_ibex <- data.frame(Fecha = index(datos_ibex), coredata(datos_ibex)) %>%
  mutate(
    Rend_IBEX = 100 * log(IBEX / lag(IBEX)),
    Rend_EUROSTOXX50 = 100 * log(EUROSTOXX50 / lag(EUROSTOXX50)),
    Rend_SP500 = 100 * log(SP500 / lag(SP500))
  ) %>%
  tail(71)

A.3 Tipos de interés, precios e indicadores macroeconómicos de la Eurozona

Fichero: BD_EURIBOR.xlsx (hoja Datos)
Fuente: Eurostat (2018) y EMMI (2018)
Tipo de datos: serie temporal
Periodo / unidad de observación: trimestral, desestacionalizada, enero 2002 – julio 2013 (47 observaciones)
Usado en: disponible para uso futuro; aún no aparece en ningún capítulo del libro
Referencia académica: utilizada en Computational Statistics (2020) 35:647–666, https://doi.org/10.1007/s00180-019-00922-x

Variables

Código

knitr::kable(read_excel("data/BD_EURIBOR.xlsx", sheet = "Diccionario"))

Variable	Descripcion	Unidad
FECHA	Fecha de la observacion (trimestral)	-
EURIBOR	Tipo de interes EURIBOR	%
HICP	Indice Armonizado de Precios al Consumo (Harmonized Index of Consumer Prices)	indice (base 100)
BC	Balanza de pagos, cuenta corriente neta (Balance of Payments, net current account)	millones EUR
GD	Deficit publico, cuentas no financieras netas (Government Deficit, net non-financial accounts)	millones EUR

Código de generación
No procede: datos descargados manualmente de los portales de Eurostat y EMMI.

A.4 Función de producción (Greene, 2003)

Fichero: BD_FUNCIONPRODUCCION.xlsx (hoja greene8_3)
Fuente: William H (2003), Econometric Analysis (5.ª edición), tabla 8.3
Tipo de datos: serie temporal
Periodo / unidad de observación: anual, 1909 – 1949 (41 observaciones)
Usado en: Tema 2, Tema 3

Variables

Variable	Descripción	Unidad
`year`	Año de la observación	–
`q`	Producción	índice
`k`	Capital	índice
`A`	Índice de progreso técnico	índice

Código de generación
No procede: datos transcritos directamente de la tabla 8.3 del manual de Greene (2003).

A.5 Gasto en alimentación de los hogares (Uriel, 2019)

Fichero: bd3_demand.xlsx (hoja Hoja1)
Fuente: Uriel Jiménez (2019), Introducción a la Econometría
Tipo de datos: corte transversal
Periodo / unidad de observación: 40 hogares
Usado en: Tema 2

Variables

Encuesta de gasto en 19 grupos de alimentos (ALCOHOL, BREAD, COFFEE, DAIRY, EGGS, FISH, FOODTOT, FRUIT, MEAT, NONALCH, OIL, OTHFOOD, SUGAR, VEGETABL, en unidades monetarias) más las variables sociodemográficas HHSIZE (tamaño del hogar), INC (renta disponible), PUNDER5 (proporción de menores de 5 años), SECSTUD/SUPSTUD (nivel de estudios) y URBAN (zona urbana/rural).

Código de generación
No procede: fichero de datos que acompaña al manual de Uriel (2019).

A.6 Curva de Phillips en España

Fichero: BD_PHILIPS.xlsx (hoja Hoja1)
Fuente: Instituto Nacional de Estadística (INE) y statista.com
Tipo de datos: serie temporal
Periodo / unidad de observación: anual, España, 2006 – 2024 (19 observaciones)
Usado en: Tema 2

Variables

Variable	Descripción	Unidad
`YEAR`	Año de la observación	–
`Inflacion`	Tasa de inflación	%
`Desempleo`	Tasa de desempleo	%
`PrecioEnergia`	Precio de la energía	€/MWh

Código de generación
No procede: datos compilados manualmente a partir de las series públicas del INE y de statista.com.

A.7 Esperanza de vida y gasto sanitario en España

Fichero: bd6_esperanza.xlsx (hoja Hoja1)
Fuente: Elaboración propia a partir del Instituto Nacional de Estadística
Tipo de datos: serie temporal
Periodo / unidad de observación: anual, España, 1990 – 2024 (35 observaciones)
Usado en: Tema 2 (ejercicio propuesto), ejercicios propuestos parte I

Variables

Variable	Descripción	Unidad
`Año`	Año de la observación	–
`Gasto`	Gasto sanitario público	millones EUR
`GastoPIB`	Gasto sanitario público sobre el PIB	proporción
`Renta`	Renta per cápita	EUR
`Esperanza`	Esperanza de vida al nacer	años

Código de generación
No procede.

A.8 Consumo eléctrico en España

Fichero: BD_CONSUMOELECTRICO.xlsx (hoja consumo_energia_espana_1990_202)
Fuente: Elaboración propia a partir del Instituto Nacional de Estadística
Tipo de datos: serie temporal
Periodo / unidad de observación: anual, España, 1990 – 2024 (35 observaciones)
Usado en: Tema 3

Variables

Variable	Descripción	Unidad
`Año`	Año de la observación	–
`Consumo_electrico`	Consumo eléctrico	GWh
`Renta`	Renta per cápita	EUR
`Crisis`	Variable dicotómica: 1 en años de crisis económica, 0 en caso contrario	–
`Pib`	Tasa de crecimiento del PIB	%
`D_PIB`	Variable dicotómica asociada al crecimiento del PIB	–
`gobierno`	Variable dicotómica: 1 si gobierna el Partido Popular, 0 en caso contrario	–

Código de generación
No procede.

A.9 Ingresos de abogados jóvenes

Fichero: BD_ABOGADOS.xlsx (hoja base_econometrica_abogados_40)
Fuente: Datos simulados con fines docentes
Tipo de datos: corte transversal
Periodo / unidad de observación: 40 abogados
Usado en: Tema 3

Variables

Variable	Descripción	Unidad
`Y`	Ingreso mensual del abogado	€
`X1`	Años de experiencia profesional	años
`X2`	Horas medias trabajadas por semana	horas
`D1`	Variable dicotómica: 1 si está especializado en derecho mercantil/empresarial, 0 en caso contrario	–

Código de generación
No procede.

A.10 Tipos de interés (Wooldridge)

Fichero: WooldrigdeTI.txt
Fuente: Wooldridge (citado en el texto como @Wooldrigde2000)
Tipo de datos: serie temporal
Periodo / unidad de observación: 124 observaciones; el fichero no incluye columna de fecha
Usado en: Tema 4 (ejercicios propuestos)

Variables

Variable	Descripción	Unidad
`r12`	Tipo de interés a 12 meses	%
`r3`	Tipo de interés a 3 meses	%
`r6`	Tipo de interés a 6 meses	%

Código de generación
No procede: fichero de datos que acompaña al manual de Wooldridge.

A.11 Precio del helado (Ramanathan)

Fichero: data9-1.txt
Fuente: Ramanathan, ejemplo 9.1
Tipo de datos: serie temporal
Periodo / unidad de observación: periodos de cuatro semanas, del 18 de marzo de 1951 al 11 de julio de 1953 (30 observaciones)
Usado en: Tema 4 (ejercicios propuestos)

Variables

Variable	Descripción	Unidad
`demand`	Consumo per cápita de helado	pintas
`income`	Ingreso familiar semanal	$
`price`	Precio del helado	$/pinta
`temp`	Temperatura media	°F

Código de generación
No procede: fichero de datos que acompaña al ejemplo de Ramanathan.

A.12 Modelo STIRPAT para China

Fichero: stirpattchina.csv
Fuente: Elaboración propia a partir de datos del Banco Mundial (World Bank)
Tipo de datos: serie temporal
Periodo / unidad de observación: anual, China, 1990 – 2014 (25 observaciones)
Usado en: Tema 4 (ejercicios propuestos)

Variables

Variable	Descripción	Unidad
`time`	Año de la observación	–
`PIB_cte`	PIB a precios constantes	billones USD (2010)
`PIBpc_cte`	PIB per cápita a precios constantes	miles USD (2010)
`Pop`	Población total	miles de millones
`CarbonDiox`	Emisiones de CO2	–
`EnergyIntens`	Intensidad energética	–
`Indust`	Industrialización (% del PIB)	%

Código de generación
No procede.

# Apéndice: Bases de datos utilizadas en el libro {#sec-apendice-basesdatos} ```{r} #| include: false library(readxl) ``` En este apéndice se documentan todas las bases de datos empleadas a lo largo del manual: su fuente, el periodo y la unidad de observación, las variables que contienen y, cuando existe, el código con el que se han generado o importado. El objetivo es que cualquier lector pueda reproducir los ejemplos y prácticas del libro a partir de los ficheros disponibles en el repositorio. ## Top 100 empresas andaluzas del transporte **Fichero:** `BD_SABI.xlsx` (hoja `Datos`)\ **Fuente:** SABI — Sistema de Análisis de Balances Ibéricos (Informa/Moody's)\ **Tipo de datos:** corte transversal\ **Periodo / unidad de observación:** ejercicio 2024, 100 empresas\ **Usado en:** Introducción, Tema 1, Tema 2, Tema 4 **Variables** ```{r} knitr::kable(read_excel("data/BD_SABI.xlsx", sheet = "Diccionario")) ``` **Código de generación**\ No procede un script reproducible: los datos se exportaron manualmente desde la plataforma SABI aplicando los filtros *sector = transporte*, *región = Andalucía*, seleccionando las 100 primeras empresas por tamaño de activo. ## El IBEX35 frente a otros índices bursátiles **Fichero:** `BD_IBEX.xlsx` (hoja `Datos`)\ **Fuente:** Yahoo Finance, vía el paquete `quantmod`\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** mensual, octubre 2020 -- agosto 2026 (71 observaciones)\ **Usado en:** Tema 2 **Variables** ```{r} knitr::kable(read_excel("data/BD_IBEX.xlsx", sheet = "Diccionario")) ``` **Código de generación**\ No procede. Se adjunta código de descarga desde `yahoo`: ```{r} #| eval: false library(quantmod) library(dplyr) # Descargar precios de cierre diarios de los tres índices getSymbols("^IBEX", src = "yahoo") getSymbols("^STOXX50E", src = "yahoo") getSymbols("^GSPC", src = "yahoo") # Precio de cierre mensual de cada índice ibex_mensual <- Cl(to.monthly(IBEX, indexAt = "lastof", OHLC = FALSE)) eurostoxx_mensual <- Cl(to.monthly(STOXX50E, indexAt = "lastof", OHLC = FALSE)) sp500_mensual <- Cl(to.monthly(GSPC, indexAt = "lastof", OHLC = FALSE)) # Unir los tres índices por fecha datos_ibex <- merge(ibex_mensual, eurostoxx_mensual, sp500_mensual, join = "inner") colnames(datos_ibex) <- c("IBEX", "EUROSTOXX50", "SP500") # Convertir a data.frame, calcular rendimientos y quedarnos con los últimos 71 meses datos_ibex <- data.frame(Fecha = index(datos_ibex), coredata(datos_ibex)) %>% mutate( Rend_IBEX = 100 * log(IBEX / lag(IBEX)), Rend_EUROSTOXX50 = 100 * log(EUROSTOXX50 / lag(EUROSTOXX50)), Rend_SP500 = 100 * log(SP500 / lag(SP500)) ) %>% tail(71) ``` ## Tipos de interés, precios e indicadores macroeconómicos de la Eurozona **Fichero:** `BD_EURIBOR.xlsx` (hoja `Datos`)\ **Fuente:** Eurostat (2018) y EMMI (2018)\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** trimestral, desestacionalizada, enero 2002 -- julio 2013 (47 observaciones)\ **Usado en:** disponible para uso futuro; aún no aparece en ningún capítulo del libro\ **Referencia académica:** utilizada en *Computational Statistics* (2020) 35:647--666, <https://doi.org/10.1007/s00180-019-00922-x> **Variables** ```{r} knitr::kable(read_excel("data/BD_EURIBOR.xlsx", sheet = "Diccionario")) ``` **Código de generación**\ No procede: datos descargados manualmente de los portales de Eurostat y EMMI. ## Función de producción (Greene, 2003) **Fichero:** `BD_FUNCIONPRODUCCION.xlsx` (hoja `greene8_3`)\ **Fuente:** @Greene2003, *Econometric Analysis* (5.ª edición), tabla 8.3\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** anual, 1909 -- 1949 (41 observaciones)\ **Usado en:** Tema 2, Tema 3 **Variables** | Variable | Descripción | Unidad | |---|---|---| | `year` | Año de la observación | -- | | `q` | Producción | índice | | `k` | Capital | índice | | `A` | Índice de progreso técnico | índice | **Código de generación**\ No procede: datos transcritos directamente de la tabla 8.3 del manual de Greene (2003). ## Gasto en alimentación de los hogares (Uriel, 2019) **Fichero:** `bd3_demand.xlsx` (hoja `Hoja1`)\ **Fuente:** @Uriel2019, *Introducción a la Econometría*\ **Tipo de datos:** corte transversal\ **Periodo / unidad de observación:** 40 hogares\ **Usado en:** Tema 2 **Variables** Encuesta de gasto en 19 grupos de alimentos (`ALCOHOL`, `BREAD`, `COFFEE`, `DAIRY`, `EGGS`, `FISH`, `FOODTOT`, `FRUIT`, `MEAT`, `NONALCH`, `OIL`, `OTHFOOD`, `SUGAR`, `VEGETABL`, en unidades monetarias) más las variables sociodemográficas `HHSIZE` (tamaño del hogar), `INC` (renta disponible), `PUNDER5` (proporción de menores de 5 años), `SECSTUD`/`SUPSTUD` (nivel de estudios) y `URBAN` (zona urbana/rural). **Código de generación**\ No procede: fichero de datos que acompaña al manual de Uriel (2019). ## Curva de Phillips en España **Fichero:** `BD_PHILIPS.xlsx` (hoja `Hoja1`)\ **Fuente:** Instituto Nacional de Estadística (INE) y statista.com\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** anual, España, 2006 -- 2024 (19 observaciones)\ **Usado en:** Tema 2 **Variables** | Variable | Descripción | Unidad | |---|---|---| | `YEAR` | Año de la observación | -- | | `Inflacion` | Tasa de inflación | % | | `Desempleo` | Tasa de desempleo | % | | `PrecioEnergia` | Precio de la energía | €/MWh | **Código de generación**\ No procede: datos compilados manualmente a partir de las series públicas del INE y de statista.com. ## Esperanza de vida y gasto sanitario en España **Fichero:** `bd6_esperanza.xlsx` (hoja `Hoja1`)\ **Fuente:** Elaboración propia a partir del Instituto Nacional de Estadística\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** anual, España, 1990 -- 2024 (35 observaciones)\ **Usado en:** Tema 2 (ejercicio propuesto), ejercicios propuestos parte I **Variables** | Variable | Descripción | Unidad | |---|---|---| | `Año` | Año de la observación | -- | | `Gasto` | Gasto sanitario público | millones EUR | | `GastoPIB` | Gasto sanitario público sobre el PIB | proporción | | `Renta` | Renta per cápita | EUR | | `Esperanza` | Esperanza de vida al nacer | años | **Código de generación**\ No procede. ## Consumo eléctrico en España **Fichero:** `BD_CONSUMOELECTRICO.xlsx` (hoja `consumo_energia_espana_1990_202`)\ **Fuente:** Elaboración propia a partir del Instituto Nacional de Estadística\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** anual, España, 1990 -- 2024 (35 observaciones)\ **Usado en:** Tema 3 **Variables** | Variable | Descripción | Unidad | |---|---|---| | `Año` | Año de la observación | -- | | `Consumo_electrico` | Consumo eléctrico | GWh | | `Renta` | Renta per cápita | EUR | | `Crisis` | Variable dicotómica: 1 en años de crisis económica, 0 en caso contrario | -- | | `Pib` | Tasa de crecimiento del PIB | % | | `D_PIB` | Variable dicotómica asociada al crecimiento del PIB | -- | | `gobierno` | Variable dicotómica: 1 si gobierna el Partido Popular, 0 en caso contrario | -- | **Código de generación**\ No procede. ## Ingresos de abogados jóvenes **Fichero:** `BD_ABOGADOS.xlsx` (hoja `base_econometrica_abogados_40`)\ **Fuente:** Datos simulados con fines docentes\ **Tipo de datos:** corte transversal\ **Periodo / unidad de observación:** 40 abogados\ **Usado en:** Tema 3 **Variables** | Variable | Descripción | Unidad | |---|---|---| | `Y` | Ingreso mensual del abogado | € | | `X1` | Años de experiencia profesional | años | | `X2` | Horas medias trabajadas por semana | horas | | `D1` | Variable dicotómica: 1 si está especializado en derecho mercantil/empresarial, 0 en caso contrario | -- | **Código de generación**\ No procede. ## Tipos de interés (Wooldridge) **Fichero:** `WooldrigdeTI.txt`\ **Fuente:** Wooldridge (citado en el texto como `@Wooldrigde2000`)\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** 124 observaciones; el fichero no incluye columna de fecha\ **Usado en:** Tema 4 (ejercicios propuestos) **Variables** | Variable | Descripción | Unidad | |---|---|---| | `r12` | Tipo de interés a 12 meses | % | | `r3` | Tipo de interés a 3 meses | % | | `r6` | Tipo de interés a 6 meses | % | **Código de generación**\ No procede: fichero de datos que acompaña al manual de Wooldridge. ## Precio del helado (Ramanathan) **Fichero:** `data9-1.txt`\ **Fuente:** Ramanathan, ejemplo 9.1\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** periodos de cuatro semanas, del 18 de marzo de 1951 al 11 de julio de 1953 (30 observaciones)\ **Usado en:** Tema 4 (ejercicios propuestos) **Variables** | Variable | Descripción | Unidad | |---|---|---| | `demand` | Consumo per cápita de helado | pintas | | `income` | Ingreso familiar semanal | $ | | `price` | Precio del helado | $/pinta | | `temp` | Temperatura media | °F | **Código de generación**\ No procede: fichero de datos que acompaña al ejemplo de Ramanathan. ## Modelo STIRPAT para China **Fichero:** `stirpattchina.csv`\ **Fuente:** Elaboración propia a partir de datos del Banco Mundial (World Bank)\ **Tipo de datos:** serie temporal\ **Periodo / unidad de observación:** anual, China, 1990 -- 2014 (25 observaciones)\ **Usado en:** Tema 4 (ejercicios propuestos) **Variables** | Variable | Descripción | Unidad | |---|---|---| | `time` | Año de la observación | -- | | `PIB_cte` | PIB a precios constantes | billones USD (2010) | | `PIBpc_cte` | PIB per cápita a precios constantes | miles USD (2010) | | `Pop` | Población total | miles de millones | | `CarbonDiox` | Emisiones de CO2 | -- | | `EnergyIntens` | Intensidad energética | -- | | `Indust` | Industrialización (% del PIB) | % | **Código de generación**\ No procede.