pl | en

Ekonometria zaawansowana

Karta opisu przedmiotu (sylabus)

Informacje podstawowe

Kierunek studiów
Szkoła Doktorska
Specjalność
-
Jednostka organizacyjna
UEP
Poziom kształcenia
III stopień
Forma studiów
stacjonarne
Profil kształcenia
ogólnoakademicki
Cykl dydaktyczny
2019/2020
Kod przedmiotu
UEPSDS.640.13125.19
Język wykładowy
Polski
Obligatoryjność
Do wyboru
Blok zajęciowy
Blok 0
Osoba odpowiedzialna za treść sylabusa
Agata Kliber
Okres
Semestr 3
Forma zaliczenia
Zaliczenie

Forma prowadzenia i godziny zajęć
  • Uczestnictwo w ćwiczeniach: 30
Liczba punktów ECTS
2

Cele uczenia się dla przedmiotu

C1 Poznanie zaawansowanych metod ekonometrycznych
C2 Poszerzenie wiedzy w zakresie możliwości formułowania hipotez o prawidłowościach ekonomicznych i metod ich weryfikacji
C3 Zdobycie doświadczenia w zakresie zastosowania programu R do badań ilościowych
C4 Doskonalenie umiejętności poprawnego przygotowania i prezentacji wyników analiz ekonometrycznych.

Wymagania wstępne

Podstawy ekonometrii, rachunek prawdopodobieństwa, statystyka matematyczna, podstawy programowania w dowolnym języku

Efekty uczenia się dla przedmiotu

Kod Efekty w zakresie Kierunkowe efekty uczenia się Metody weryfikacji
Wiedzy
W1 zna i rozumie możliwości wykorzystania modeli ekonometrycznych do analizy zjawisk ekonomicznych i ich prognozowania (w tym, zna ograniczenia tych modeli) K3_W02, K3_W03 Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie, Przeprowadzenie badań
W2 zna i rozumie metody oceny jakości konstruowanych modeli oraz metody wnioskowania o szacowanych parametrach K3_W02 Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie
W3 zna i rozumie wykorzystanie narzędzi informatycznych do obliczeń ilościowych K3_W02, K3_W03 Projekt grupowy / praca w grupie, Przeprowadzenie badań
Umiejętności
U1 Potrafi oszacować modele ekonometryczne stosując dostępne oprogramowanie komputerowe i oceniać ich jakość́ K3_U01, K3_U02, K3_U04 Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie, Przeprowadzenie badań
U2 Potrafi wykorzystać skonstruowany model do prognozowania K3_U01, K3_U02, K3_U03, K3_U04, K3_U05 Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie, Przeprowadzenie badań
U3 Potrafi poprawnie interpretować i zaprezentować otrzymane wyniki K3_U01, K3_U02, K3_U03, K3_U04, K3_U05 Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie, Przeprowadzenie badań
Kompetencji społecznych
K1 Jest gotów do radzenia sobie z możliwościami i ograniczeniami związanymi z metodami ekonometrycznymi K3_K01, K3_K03 Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie, Przeprowadzenie badań
K2 Jest gotów do pracy przy realizacji projektów ekonometrycznych K3_K02, K3_K03 Projekt grupowy / praca w grupie, Przeprowadzenie badań
K3 Jest gotów do wskazania podstawowej i zaawansowanej literatury ekonometrycznej i źródła nowych prac z tego zakresu K3_K01 Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie

Treści programowe

Lp. Treści programowe Cele kształcenia dla przedmiotu Efekty uczenia się dla przedmiotu
1. Wprowadzenie do języka R C3 W3, K2
2. Ocena podstawowych własności szeregów czasowych (w szczególności testowanie stacjonarności). C1, C2, C3 W1, W2, W3, U1, U2, U3, K1, K3
3. Modele stacjonarnych szeregów czasowych (ARMA, VAR, SVAR) C1, C2, C3 W1, W2, W3, U1, U2, U3, K1, K2, K3
4. Analiza kointegracyjna i model korekty błędem C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
5. Dwumianowe modele dyskretnego wyboru C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
6. Modele regresji dla danych licznikowych (models of count data) C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
7. Uporządkowane modele wyboru dyskretnego. C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
8. Wielomianowe nieuporządkowane modele wyboru dyskretnego C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
9. Statyczne modele panelowe. C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
10. Dynamiczne modele panelowe C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
11. Bootstrap - wprowadzenie C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
12. Modele STAR and SETAR C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3
13. Metody semiparametryczne (estymacja jądrowa) C1, C2, C3, C4 W1, W2, W3, U1, U2, U3, K1, K2, K3

Literatura

Obowiązkowa
  1. 1. Croissant Y., Millo G., Panel Data Econometrics with R, Wiley 2018.
  2. 2. Cameron A. C., Trivedi P. K., Microeconometrics. Methods and Applications, Cambridge University Press, 2005
  3. 3. Greene W.H., Econometric Analysis, Prentice Hall, 2002.
  4. 4. Gruszczyński M. (red.), Mikroekonometria. Modele i metody analizy danych indywidualnych, Wolter Kluwer, 2006.
  5. 5. Osińska M. (red.), Ekonometria współczesna, Dom Organizatora, 2007.
Zalecana
  1. 1. Chernick M.R., LaBudde R.A. An introduction to bootstrap methods with applications to R, Wiley, 2014.
  2. 2. Kleiber C, Zeleis A., Applied Econometrics with R, Springer, 2008.
  3. 3. Welfe A., Ekonometria, PWE, 2017.
  4. 4. Millo, G. (2017) Robust standard error estimators for panel models: A unifying approach. Journal of Statistical Software, 82(3), 1–27. doi:10.18637/jss.v082.i03
  5. 5. Moundigbaye, M., Rea, W. S., Reed, R. W. (2018) Which panel data estimator should I use?: A corrigendum and extension. Economics: The Open-Access, Open-Assessment E-Journal, 12(2018-4). http://dx.doi.org/10.5018/economics-ejournal.ja.2018-4.
  6. 6. Schennach, S.M. (2018) Long memory via networking, Econometrica 86(6), 2221-2248.

Informacje rozszerzone

Metody nauczania:

Wykład z prezentacją multimedialną, Dyskusja, Ćwiczenia laboratoryjne

Metody nauczania Sposób zaliczenia Warunki zaliczenia przedmiotu
Ćwiczenia Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie, Przeprowadzenie badań Udział w zajęciach, przygotowanie projektu

Rozliczenie punktów ECTS

Forma aktywności studenta Średnia liczba godzin* przeznaczonych na zrealizowane aktywności
Uczestnictwo w ćwiczeniach 30
Przygotowanie do ćwiczeń 10
Przeprowadzenie badań literaturowych 10
Przeprowadzenie badań empirycznych 10
Łączny nakład pracy studenta
Liczba godzin
60
ECTS
2.0
Zajęcia z bezpośrednim udziałem nauczyciela
Liczba godzin
30
ECTS
1.0
Nakład pracy związany z zajęciami o charakterze praktycznym
Liczba godzin
40
ECTS
1.5

* godzina (lekcyjna) oznacza 45 minut