Ekonometryczna analiza danych ( ścieżka SAS)
Informacje ogólne
Kod przedmiotu: | 2400-ZEWW147 |
Kod Erasmus / ISCED: |
14.3
|
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)
|
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. |
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.