pl | en

Applied Econometrics

Syllabus

Basic information

Field of study*
Doctoral school
Specialisation
-
Organizational unit
UEP
Level of qualification
Third-cycle programme
Mode of study
Full-time
Track
General academic
Didactic cycle
2019/2020
Subject code
UEPSDS.610.13110.19
Language of instruction
Polish
Mandatory
Obligatory
Block
Blok 0
Person responsible for the content of the syllabus
Paweł Kliber
Period
Semester 1
Method of evaluation
Assessment

Activities and hours
  • Participation in classes: 30
Number of ECTS points
2

Subject’s educational aims

C1 zapoznanie studentów z metodami ekonometrycznymi stosowanymi w badaniach naukowych i praktyce oraz nauczenie ich umiejętności interpretacji wyników badań
C2 nauczenie studentów przeprowadzania własnych badań empirycznych z wykorzystaniem metod ekonometrycznych (wybór metod, odpowiednie przygotowanie modelu, interpretacja wyników)

Entry requirements

analiza matematyczna, algebra liniowa, rachunek prawdopodobieństwa

Subject's learning outcomes

Code Outcomes in terms of Effects Examination methods
Knowledge
W1 zna metody ekonometryczne stosowane we współczesnej literaturze ekonomicznej K3_W01 Individual project
W2 rozumie wyniki otrzymane za pomocą metod ilościowych i potrafi je odpowiednio zinterpretować K3_W02 Individual project
W3 zna metody ekonometryczne są stosowane w ekonomii i naukach o zarządzaniu K3_W03 Individual project
Skills
U1 potrafi interpretować i oceniać wyniki badań wykorzystujących metody ilościowe K3_U02 Individual project
U2 potrafi zastosować we własnych badaniach odpowiednie metody ilościowe oraz zinterpretować i przedstawić ich wyniki K3_U03 Individual project
U3 potrafi odpowiednio dobierać metody ekonometryczne do badania hipotez naukowych K3_U01 Individual project
Social competences
K1 jest gotów do analizy istniejącego dorobku naukowego wykorzystującego narzędzia ekonometryczne K3_K01 Individual project
K2 jest gotów wykorzystywać metody ekonometryczne we własnych badaniach K3_K01 Individual project

Study content

No. Course content Subject's educational goals Subject's learning outcomes
1. Klasyczna Metoda Najmniejszych Kwadratów (MNK), jej własności i założenia C1 W2, W3, U1
2. Złamanie założeń MNK: autokorelacja C1 W2, W3, U1
3. Złamanie założeń MNK: heteroskedastyczność. Wpływ na otrzymane wyniki C1 W2, W3, U1
4. Analiza szeregów czasowych i modelowanie autokorelacji oraz heteroskedastyczności C1 W1, W2, W3, U2, U3
5. Zastosowania: modele zmienności warunkowej C1, C2 W1, W2, W3, U2
6. Zaawansowane modele regresji liniowej z wykorzystaniem R – warsztaty C2 W1, W2, W3, U1, U2, U3, K2
7. Modele z rozkładami błędów innymi niż normalny. Estymacja metodą największej wiarygodności C1, C2 W1, W2, W3, U2, U3
8. Estymacja modeli makroekonomicznych z mikropodstawami. Uogólniona metoda momentów C1, C2 W1, W2, W3, U2, K1
9. Modele zmiennych jakościowych i zmiennych uciętych C1, C2 W1, W2, W3, U2, U3, K1
10. Elementy uczenia maszynowego C1 W1, W2, W3, U1, U2, K1
11. Warsztaty dotyczące wykorzystania modeli ekonometrycznych w badaniach naukowych i w praktyce gospodarczej C2 W1, W2, W3, U1, U2, U3, K1, K2

Bibliography

Obligatory
  1. Maddala G.S., 2006, Ekonometria, PWN, Warszawa
  2. Greene W.H., 2017, Econometric Analysis, Pearson
  3. Kennedy P., 2008, A Guide to Econometrics, Wiley-Blackwell
  4. Verbeek M, 2017, A Guide to Modern Econometric Analysis, Wiley, Hoboke
Recommended
  1. Wooldridge J.M., 2015, Introductory Econometrics: A Modern Approach, Cengage Learning
  2. Gelman A., Carlin J.B., Stern H.S., Rubin D.B., 2004, Bayesian Data Analysis, Chapman & Hall, London
  3. Goryl A., Kukuła K., Osiewalski J., Wilkosz A., 2003,Wprowadzenie do ekonometrii, PWN, Warszawa
  4. Krzyśko M., Wołyński W., Górecki T., Skorzybut M., 2008, Systemy uczące się, WNT, Warszawa
  5. Wybrane artykuły wykorzystujące metody ekonometryczne

Course advanced

Teaching methods:

Project method, Lecture, Exercises, Laboratories

Teaching methods Method of evaluation Credit conditions
Classes Individual project

Calculation of ECTS points

Activity form Activity hours*
Participation in classes 30
Preparation for classes 15
Project preparation 15
Student workload
Hours
60
ECTS
2.0
Workload involving teacher
Hours
30
ECTS
1.0
Practical workload
Hours
45
ECTS
1.5

* one hour of classes = 45 minutes