Zaawansowana ekonometria I
Informacje ogólne
Kod przedmiotu: | 2400-M1IiEZEKO |
Kod Erasmus / ISCED: |
14.3
|
Nazwa przedmiotu: | Zaawansowana ekonometria I |
Jednostka: | Wydział Nauk Ekonomicznych |
Grupy: |
Przedmioty obowiązkowe dla I r. studiów magisterskich drugiego stopnia - Informatyka i Ekonometria |
Punkty ECTS i inne: |
5.00
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | obowiązkowe |
Założenia (opisowo): | Wymagania wstępne • Analiza matematyczna • Algebra liniowa • Rachunek p-stwa • Statystyka opisowa • Statystyka matematyczna • Ekonometria Wymagania formalne: • Analiza matematyczna: liczenie pochodnych funkcji wielu zmiennych, maksymalizacja funkcji wielu zmiennych – warunki konieczne • Algebra liniowa: mnożenie macierzy, odwracanie macierzy, liniowa zależność, określoność macierzy• • Rachunek p-stwa: Wartość oczekiwana i jej własności, wariancja i jej własności,. Pojęcie wektora losowego, pojęcie macierzy wariancji kowariancji, własności rozkładu Bernoulliego, chi kwadrat i normalnego. • Statystyka opisowa: Średnia z próby, wariancja z próby, odchylenie standardowe z próby, kowariancja empiryczna, współczynnik korelacji empirycznej, histogram, częstość empiryczna, tablica krzyżowa. • Statystyka matematyczna: Pojęcie estymatora, nieobciążoność estymatora, pojęcie zgodności estymatora i asymptotycznego rozkładu estymatora. Testowanie hipotez: hipoteza zerowa i alternatywna, poziom istotności, błąd I i II rodzaju, p-value. Własności MNW (dla skalarów), pojęcie funkcji wiarygodności, test LR • Ekonometria: Własności Estymatora Metody Najmniejszych Kwadratów (MNK), własności statystki R2, testy diagnostyczne, efekty cząstkowe (krańcowe), dyskretne zmienne objaśniające, zmienne nieistotne i pominięte, testowanie hipotez prostych i złożonych, endogeniczność zmiennych objaśniających, współliniowość zmiennych, heteroskedastyczność i autokorelacja błędu losowego, odporne estymatory macierzy wariancji i kowariancji, Uogólniona Metoda Najmniejszych Kwadratów (UMNK). |
Skrócony opis: |
• Wykład i ćwiczenia z ekonometrii mają zapoznać studentów z zaawansowanymi technikami ekonometrycznymi, ich własnościami i najważniejszymi zastosowaniami. • Wykład dotyczy trzech obszarów ekonometrii: modeli estymowanych na panelach, włąsności i zastosowań Metody Największej Wiarygodności (MNW) i własności i zastosowań Uogólnionej Metody Momentów (UMM). • Na wykładzie prezentowana jest teoria oraz przykłady empiryczne. Ćwiczenia mają zapoznać studenta z zastosowaniami narzędzi ekonometrycznych omawianych na wykładzie. Ćwiczenia obejmują rozwiązywanie zadań, zajęcia w laboratorium komputerowym oraz na dyskusję nad pracami zaliczeniowymi w postaci samodzielnie oszacowanych modeli ekonometrycznych. • Na wykładzie wykorzystywana są pojęcia z zakresu algebry liniowej, analizy matematycznej, rachunku prawdopodobieństwa, statystyki opisowej i matematycznej oraz podstawowej ekonometrii. • Do zaliczenia zajęć konieczne jest zaliczenie ćwiczeń oraz egzaminu pisemnego. |
Pełny opis: |
• Wykład dotyczy trzech ważnych obszarów współczesnej ekonometrii: modeli na panelach oraz własności i zastosowań Metody Największej Wiarygodności oraz własności i zastosowań Uogólninej Metody Momentów. W trakcie wykładu omówione zostaną najważniejsze modele statystyczne używane we współczesnej ekonometrii. Wykład będzie ilustrowany prostymi przykładami empirycznymi. • Ćwiczenia do wykładu służą zapoznaniu się z zastosowaniami narzędzi ekonometrycznych omawianych na wykładzie oraz sprawdzania na bieżąco wiedzy studentów. Celem ćwiczeń nie jest powtarzanie wykładu. W ramach ćwiczeń studenci powinni opanować formułowanie modeli ekonometrycznych, ich estymację za pomocą pakietów statystycznego STATA oraz interpretację wyników badań empirycznych. • Istotną częścią ćwiczeń będzie tworzenie przez studenta modelu ekonometrycznego. Tematyka wykładu : Porównywanie konkurencyjnych modeli • Problemy związane z sekwencyjnym testowaniem hipotez • Hipotezy zagnieżdżone i niezagnieżdżone • Metoda od ogólnego do szczególnego i od szczegółowego do ogólnego: porównanie • Dobór modelu: kryteria informacyjne (AIC i BIC) Metoda Największej Wiarygodności • Definicja funkcji wiarygodności • Założenia MNW • Własności MNW (zgodność, efektywność, rozkłady asymptotyczner) • Estymacja macierzy wariancji estymatorów MNW • Przykład: estymator MNK i Nieliniowej MNK • Testowanie hipotez w kontekście MNW • Porównanie własności testów LR, W i LM Zastosowania MNW: dyskretne zmienne zależne • Modele dla binarnych zmiennych zależnych (logit, probit) • Modelu dla wyboru dyskretnego (logit i probit uporządkowany, wielomianowy logit, warunkowy logit) • Modele dla liczebności (model Poissona) • Interpretacja współczynników i efektów krańcowych w modelach dla dyskretnych zmiennych zależnych • Krzywa ROC Zastosowania MNW: próby ocenzurowane i ucięte, nielosowa selekcja próby • Zmienne ocenzurowane i ucięte (tobit, regresja dla zmiennych uciętych) - interpretacja współczynników • Nielosowa selekcja do próby - model Heckmana Modele estymowane na panelach • Własności prób panelowych i prób przekrojowo czasowych • Pojęcie efektu indywidualnego • Definicja modelu efektów stałych i zmiennych • Omówienie zalet i wad modelu efektów stałych i zmiennych • Test Hausmanna na prawidłowość modelu efektów zmiennych Estymatory M • Założenia • Szkice dowodów na zgodności i asymptotycznej normalności • Estymacja wariancji estymatorów M • Przykład: estymatory pseudo-MNW Uogólniona Metoda Momentów • Momenty warunkowe i bezwarunkowe, prawo iterowanych momentów • Momenty z próby i ograniczenia wynikające z teorii, pojęcie zmiennej instrumentalnej • Identyfikacja, modele o niezidentyfikowanych, dokładnie zidentyfikowanych i przeidentyfikowanych parametrach • Optymalne instrumenty, optymalna macierz wag i estymator dwustopniowy • Estymacja wariancji estymatorów UMM • Testowanie hipotez i test na poprawność instrumentów Zastosowania UMM: Metoda Zmiennych Instrumentalnych (MZI) • Warunki jaki muszą spełniać intrumenty • Dobór instrumentów • Prosty i uogólniony estymator MZI • Test Hausmana i Sargana Modele wielorównaniowe • Modele o równaniach jednoczesnych: notacja • Egzogeniczność zmiennych: pojęcie słabej egzogeniczności • Problem obciążenia Haavelmo: równoczesność • Test Hausmana • Problem identyfikacji w modelach wielorównaniowych: warunki konieczne i dostateczne • Estymacja modeli wielorównaniowych (2MNK, 3MNK) Szacunkowa liczba godzin konieczna do uzyskania zdefiniowanych efektów kształcenia: Wykład + ćwiczenia = 60 godz. Samodzielne przygotowanie do ćwiczeń (2 godz. tygodniowo) = 30 godz. Praca nad modelem = 30 godz. Rozwiązywanie zadań i przygotowanie do egzaminu 30 godz. Razem 150 godz. |
Literatura: |
Literatura obowiązkowa • Zbiór zdań z ekonometrii, Jerzy Mycielski, 2009 • Ekonometrii, Jerzy Mycielski, WNE 2009 • Materiały do nauki STAT’y, K.Kuhl, M. Kurcewicz, G. Ogonek, P. Strawiński, J. Tyrowicz, 2005 Literatura dodatkowa • Charemza, Deadman, Nowa Ekonometria, PWE, 1997 • Chow, Ekonometria, PWN 1995 • Davidson, McKinnon, Estimation and Inference in Econometrics, OUP, 1993 • Greene, Econometric Analysis, Prentice Hall 2003 – wydanie 5-te • Goldberger, Teoria Ekonometrii, PWE, 1972 • Maddala, Limited Dependent and Qualitative Variables in Econometrics, OUP 19837. • Steward, Econometrics, Philip Allan 1991 • Theil, Zasady ekonometrii, PWN, 1979 • Wooldridge, Econometric Analysis of Cross Section and Panel Data, MIT Press, 2002 |
Efekty uczenia się: |
W wyniku opanowania materiału z zakresu wykładu student powinien posiąść umiejętność doboru modelu statystycznego i metody estymacji do analizowanego problemu oraz zbioru danych. W szczególności student powinien posiąść umiejętności: • doboru odpowiedniego zbioru zmiennych objaśniających do modelu na podstawie kryteriów statystycznych • zrozumienia sposobu formułowania modelu w przypadku modelu MNW • estymacji modeli w przypadku, gdy zmienne zależną są binarne lub dyskretne • metod estymacji w przypadku modeli dla przypadków, gdy zmienne objaśniające są tylko częściowo obserwowalne • metod postępowania w przypadku nielosowej selekcji do próby • sposobu postępowania w przypadku estymacji modeli na danych panelowych • zrozumienia sposobu formułowania modelu w przypadku UMM • zrozumienia problemu endogeniczności zmiennych objaśniających i sposobu dobierania zmiennych instrumentalnych i ich użycia w procesie estymacji MZI • zrozumienia różnic między formą strukturalną i zredukowaną modelu oraz między parametrami strukturalnymi i mnożnikami • zrozumienie różnicy między metodami pełnej informacji i ograniczonej informacji • estymacji modeli wielorównaniowych Uzupełnieniem wykładu są ćwiczenia, których część odbywa się w laboratoriach komputerowych. W takcie zajęć laboratoryjnych wyjaśniony zostanie sposób w jaki można użyć pakiet statystyczny STATA do szacowania |
Metody i kryteria oceniania: |
• Ocena końcowa wystawiana jest jako średnia ważona z ocen z egzaminu i ćwiczeń z wagami odpowiednio 2/3 i 1/3. • Do egzaminu dopuszczone będą wyłącznie osoby, które zaliczyły ćwiczenia. • Egzamin pisemny trwa 90 min, składa się z 4 pytań teoretycznych, 2 zadań podobnych do zadań ze zbioru zadań, oraz 1 zadania spoza zbioru. Pytania teoretyczne będą zmodyfikowanymi wersjami pytań znajdujących się na końcu podrozdziałów w podręczniku. Do zaliczenia egzaminu konieczne jest rozwiązanie przynajmniej 1 zadania i prawidłowa odpowiedź na przynajmniej dwa z czterech pytań teoretycznych |
Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)
Okres: | 2024-02-19 - 2024-06-16 |
Przejdź do planu
PN CW
CW
WT WYK
ŚR CZ PT CW
CW
CW
CW
|
Typ zajęć: |
Ćwiczenia, 30 godzin
Wykład, 30 godzin
|
|
Koordynatorzy: | Jerzy Mycielski | |
Prowadzący grup: | Andrzej Kocięcki, Jerzy Mycielski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Egzamin
Ćwiczenia - Zaliczenie na ocenę Wykład - Egzamin |
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.