Ekonometria, ekonometria i jeszcze raz pieniądze

seminaria licencjackie

Plan seminarium

1. Wprowadzenie

2. Uzgodnienie tematyki/tematu pracy

3. Uzgodnienie konspektu pracy

4. Konsultacje i omawianie postępów pracy

5. Przygotowanie pracy

6. Wprowadzenie poprawek i złożenie pracy

Wykorzystanie Klasycznego Modelu Regresji Liniowej będzie miało na celu uzyskanie odpowiedzi na zarówno klasyczne pytania ekonomii oraz pozwolić zweryfikować inne niebanalne hipotezy. Zapraszam wszystkie osoby zainteresowane ekonometrią. Bardzo mile widziany jest własny pomysł na badanie lub chęć wykorzystania konkretnej metody lub narzędzia, ale nie jest to konieczne. Częstotliwość spotkań zostanie ustalona z zainteresowanymi.

Seminarium powinno zakończyć się przygotowaniem przez studenta pracy licencjackiej, która – po wprowadzeniu uzgodnionych poprawek – będzie mogła zostać złożona w dziekanacie.

Tematyka

1. Programowanie nowych i zaawansowanych technik i narzędzi ekonometrycznych

2. Wpływ obserwacji odstających na wyniki modeli regresji (robust regression)

3. Modele Seemingly Unrelated Regressions (SUREG)

4. Wykorzystanie bootstrapu w modelach ekonometrycznych i modele dla małych próbek

5. Metoda zmiennych instrumentalnych i endogeniczność

6. Analiza szeregów czasowych z wykorzystaniem filtru Kalmana

7. Estymatory jądrowe w modelach regresji

8. Dodatkowe, w tym bardziej zaawansowane, tematy, które są interesujące dla uczestników

Wybór modelu nie jest ograniczonych do modelu regresji i musi być dostosowany do celu pracy.

1. Vance Martin, Stan Hurn i David Harris, Econometric Modelling with Time Series. Specification, Estimation and Testing, Cambridge University Press, 2013

2. Jeffrey Wooldridge, Introductory Econometrics, A Modern Approach, 7e, Cengage, 2019

3. Christopher Baum, An Introduction to Modern Econometrics Using Stata, Stata Press, 2006

4. Bradley Efron, Robert Tibshirani, An Introduction to the Bootstrap, Chapman & Hall CRC Press, 1993

5. Michael D. Ward, John S. Ahlquist, Maximum Likelihood for Social Science: Strategies for Analysis, Cambridge University Press, 2019

6. Scott Cunningham, Causal Inference: The Mixtape: The Mixtape, Yale University Press, 2021

A) Wiedza

Student ma wiedzę o podstawach tworzenia funkcji i programów do celów statystycznych i ekonometrycznych.

1. Student zna wady i zalety wykorzystywania programów komputerowych w analizowaniu danych.

B) Umiejętności

Student potrafi wykonać analizę ekonometryczną mającą na celu weryfikację postawionej hipotezy badawczej.

1. Student umie analizować dane za pomocą podstawowych narzędzi statystycznych i ekonometrycznych.

2. Student potrafi dobrać narzędzie analityczne do rozwiązania problemu z zakresu ekonomii, finansów i dziedzin pokrewnych.

3. Student umie wykonać szereg operacji obliczeniowych i analitycznych w celu znalezienia rozwiązania zadania.

4. Student potrafi przeprowadzić analizę uzyskanych wyników, zinterpretować ich sens ekonomiczny i stworzyć raport z wykonanej analizy.

C) Kompetencje społeczne

Student ma świadomość konieczności uzupełniania i doskonalenia wiedzy i umiejętności.

1. Student potrafi komunikatywnie zaprezentować dane w postaci tabel i wykresów.

2. Student jest przygotowany do samodzielnego rozszerzania wiedzy.

3. Student umie ocenić możliwość wykorzystania wybranego narzędzia do rozwiązania problemu.

Uczestnicy będą oceniani na podstawie postępów w przygotowywaniu pracy.