Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Ekonometryczna analiza danych ( ścieżka SAS)

Informacje ogólne

Kod przedmiotu: 2400-ZEWW147
Kod Erasmus / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Ekonometryczna analiza danych ( ścieżka SAS)
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 1 (6*30h)
Przedmioty wyboru kierunkowego dla studiów licencjackich IE
Przedmioty wyboru kierunkowego dla studiów licencjackich MSEM
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

nieobowiązkowe

Założenia (opisowo):


Wymagania wstępne

statystyka, konometria, analiza szeregów czasowych

Wymagania formalne

podstawowa wiedza z zakresu statystyki i ekonometrii, podstawy systemu SAS zdobyte np. na kursie "Statystyczna analiza danych z systemem SAS".

Założenia wstępne

statystyka, ekonometria, analiza szeregów czasowych


Skrócony opis:

Celem zajęć jest przekazanie umiejętności umożliwiających studentom samodzielne przeprowadzanie projektów badawczych z zakresu statystyki i ekonometrii (tzn. obróbki danych, estymacji modeli oraz prezentacji i analizy wyników) przy wykorzystaniu pakietu SAS. Zajęcia są kontynuacją konwersatorium „SAD-SAS”. Przeznaczone są dla studentów I i II roku studiów II stopnia, którzy chcą rozszerzyć znajomość pakietu SAS o wybrane procedury z modułu ekonometrycznego SAS/ETS oraz dodatkowe elementy modułu statystycznego SAS/STAT

Pełny opis:

1. Klasyczny Model Regresji Liniowej (procedury REG, AUTOREG, GLM, SYSLIN, GPLOT): tworzenie wykresów, zastosowanie metod doboru regresorów, testowanie normalności rozkładu reszt, zastosowanie trybu interaktywnego, własności estymatorów w przypadku niespełnienia założeń KMRL.

2. Automatyzacja programowania w pakiecie SAS – język makr.

3. Prezentacja wyników w HTML (Output Delivery System w module BASE SAS).

4. Analiza szeregów czasowych I (procedura ARIMA): istota modeli AR, MA, ARMA, ARIMA, prezentacja graficzna szeregów, szeregi zintegrowane i testowanie stacjonarności, metodologia Boxa-Jenkinsa: identyfikacja, estymacja i diagnostyka w modelach klasy ARIMA, zastosowanie kryteriów informacyjnych w wyborze modelu.

5. Analiza szeregów czasowych II (procedura AUTOREG): stylizowane fakty i istota modeli autoregresyjnych z warunkowa heteroskedastycznością (ARCH/GARCH), identyfikacja, estymacja i testy diagnostyczne w modelach klasy GARCH, zastosowanie kryteriów informacyjnych w wyborze modelu.

6. Analiza wariancji i kowariancji: wstępna analiza danych, jedno- i wielowymiarowa ANOVA, testy wielokrotnego porównania, testowanie istotności czynników głównych i ich interakcji, ANOVA zbilansowana vs. niezbilansowana, weryfikacja założeń modelu, regresja ze zmiennymi jakościowymi, analiza kowariancji – ANCOVA (PROC ANOVA, PROC GLM)

7. Analiza przeżycia: Szacowanie i porównywanie krzywych przeżycia za pomocą PROC LIFETEST, szacowanie regresji parametrycznej za pomocą PROC LIFEREG, modele proporcjonalnego hazardu COXa (PROC PHREG), testowanie hipotez

8. Zastosowanie metod numerycznych (procedura SURVEYSELECT): metoda bootstrap, szacowanie błędów standardowych statystyk, wyznaczanie przedziałów ufności dla estymatorów, wyznaczanie wartości krytycznych w testach o nieznanym rozkładzie teoretycznym statystyk; metoda jackknife oraz testy permutacji statystyk.

9. Analiza danych panelowych (procedura TSCSREG): tworzenie zbiorów danych w postaci „długiej”, modele z efektami stałymi (dla jednostek lub okresów), modele z efektami losowymi (dla jednostek lub okresów).

10. Modele z binarną zmienną objaśnianą (procedura LOGISTIC): estymacja modeli LOGIT i PROBIT.

11. Modele z dyskretną zmienną objaśnianą (procedura GENMOD): specyfikacja funkcji przejścia oraz rozkładu zmiennej objaśnianej, estymacja parametrów w regresji Poissona.

Literatura:

1. SAS, OnlineDoc, http://support.sas.com/v9doc

2. Delwiche, Slaughter (2008), The Little SAS Book: a primer, SAS Publishing

3. Der, Everitt (2008), A Handbook of Statistical Analyses using SAS (3 ed.), Chapman and Hall/CRC

4. Kleinman, Horton (2010), Using SAS for Data Management, Statistical Analysis, and Graphics, CRC Press

5. Schlotzhauer, Littell (1997), SAS System for Elementary Statistical Analysis (2 ed.), SAS Institute

6. Marasinghe, Kennedy (2008), SAS for Data Analysis: Intermediate Statistical Methods, Springer

7. Cody (2011), SAS Statistics by Example, SAS Publishing

8. Ajmani (2009), Applied Econometrics Using the SAS System, Wiley

9. Allison (2010), Survival Analysis Using SAS: A Practical Guide (2 ed.), SAS Publishing

10. Cody (2007), Learning SAS by Example: A Programmer's Guide, SAS Publishing

11. Cody, Smith (2005), Applied Statistics and the SAS Programming Language, Prentice Hall

oraz wybrane rozdziały z:

• Greene, W.H. (2003), Econometric Analysis, Prentice Hall

• Tsay, R.S. (2001), Analysis of Financial Time Series, Wiley

Efekty uczenia się:

Po odbyciu kursu student będzie potrafił samodzielnie przeprowadzić projekt badawczy z zakresu statystyki i ekonometrii (tzn. obróbki danych, estymacji modeli oraz prezentacji i analizy wyników) przy wykorzystaniu pakietu SAS. Będzie także potrafił biegle posługiwać się dokumentacją pakietu SAS w celu znalezienia rozwiązań problemów technicznych napotykanych podczas obróbki i analizy danych.SU05, SU06, SK01, SK03, SU04, SU03, SU02, SU01, SW03, SW02, SW01, SW04, SW05, SK02, SK04

Metody i kryteria oceniania:

Podstawą zaliczenia jest obecność na zajęciach oraz wykazanie się umiejętnością zastosowania poznanych metod. Zaliczenie odbywa się na podstawie projektu zaliczeniowego wykonanego w 1- lub 2-osobowych zespołach.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)