Ekonometria

obowiązkowe

Algebra liniowa: mnożenie macierzy, odwracanie macierzy, wyznacznik macierzy; Statystyka matematyczna: pojęcie estymatora, nieobciążoność estymatora, testowanie hipotez: hipoteza zerowa i alternatywna, poziom istotności, błąd I i II rodzaju, p-value.

Kurs zapoznaje studentów z podstawami analizy ekonometrycznej. Przedstawia elementy teorii (najważniejsze pojęcia i twierdzenia), rozwiązania praktyczne (przykłady konkretnych modeli, interpretacja i wnioskowanie) oraz kierunki bardziej zaawansowanych analiz (konsekwencje odrzucenia założeń klasycznych). Zajęcia skupiają się na kwestiach praktycznych ilustrowanych przykładami jak i utrwalaniu zagadnień teoretycznych (zadania). Dodatkowo zadania skupiają się na określonych problemach badawczych. Od uczestników kursu wymagana jest znajomość - na poziomie elementarnym - statystyki matematycznej oraz algebry macierzy. Do zaliczenia przedmiotu niezbędne jest uzyskanie pozytywnej oceny z egzaminu.

1. Wprowadzenie. Pojęcie ekonometrii oraz modelu ekonometrycznego. Przykłady modeli ekonometrycznych.

2.Metoda Najmniejszych Kwadratów (MNK). Własności hiperpłaszczyzny regresji.

3.Dekompozycja sumy kwadratów reszt, współczynnik dopasowania R2 i jego własności.

4.Założenia Klasycznego Modelu Regresji Liniowej (KMRL). Szacowanie KMRL metodą najmniejszych kwadratów.

5.Własności estymatorów MNK w KMRL (twierdzenie Gaussa-Markowa). Estymator macierzy wariancji-kowariancji.

6.Wnioskowanie statystyczne w KMRL. Rozkład estymatorów MNK w KMRL. Testowanie hipotez prostych i złożonych: test i test F.

7.Interpretacja parametrów modelu.

8.Diagnostyka założeń KMRL I - testowanie: normalności rozkładu składnika losowego (test Jarque-Berra), poprawności formy funkcyjnej (test RESET), stabilności parametrów (test Chowa).

9. Diagnostyka założeń KMRL II - testowanie: homoskedastyczności (test White'a, test Breuscha-Pagana), autokorelacji (test Durbina-Watsona, test Breuscha-Godfreya).

10.Problemy szczególne: współliniowość (pojęcie, wykrywanie, postępowanie); jakościowe zmienne objaśniające (kodowanie, interpretacja parametrów); zmienne pominięte i zmienne nieistotne; obserwacje nietypowe i outliery (pojęcie, wykrywanie, postępowanie).

11.Niesferyczne składniki losowe - przyczyny i konsekwencje występowania heteroskedastyczności i autokorelacji. Metody postępowania: odporne na heteroskedastyczność i autokorelacje estymatory macierzy wariancji-kowariancji;

Uogólniona Metoda Najmniejszych Kwadratów (UMNK).

12. Modele dynamiczne I: modele o rozłożonych opóźnieniach (DL), modele autoregresyjne o rozłożonych opóźnieniach (ADL). Przyczynowość w sensie Grangera. Problem autokorelacji w modelach dynamicznych.

13. Pojęcie stacjonarności i niestacjonarności zmiennych. Testowanie rzędu integracji zmiennej - test Dickey-Fullera, test KPSS. Problem regresji pozornej.

14. Modele dla dyskretnych zmiennych zależnych: logit, probit, uporządkowany logit i uporządkowany probit, model Poissona.

Literatura obowiązkowa: Mycielski Jerzy, Skrypt do ekonometrii, Warszawa 2010;

Literatura uzupełniająca: Greene William H., Econometric Analysis, wydanie 5-te;

Gruszczyński Marcin, Podgórska Maria, Ekonometria, Warszawa 2004;

Kufel Tadeusz, Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, Warszawa 2007

Maddala G.S., Ekonometria, Warszawa 2006;

WIEDZA

Student zna i rozumie założenia najpopularniejszych modeli statystycznych używanych w analizie ekonometrycznej. Ma pogłębioną wiedzę dotyczącą podstawowych problemów analizy danych empirycznych. Zna i rozumie zaawansowane metody wnioskowania statystycznego stosowane w ekonometrii.

1. Student zna gruntownie Metodę Najmniejszych Kwadratów i rozumie potrzebę stosowania bardziej zaawansowanych technik ekonometrycznych, gdy założenia MNK nie są spełnione.

2. Student zna założenia Klasycznego Modelu Regresji Liniowej i sposoby ich testowania.

3. Student zna podstawowe problemy związane z niespełnieniem założeń Klasycznego Modelu Regresji Liniowej, zmiennymi pominiętymi, zmiennymi nieistotnymi, obserwacjami nietypowymi i błędnymi, współliniowością. Student zna sposoby pozyskania danych i ich ograniczenia.

4. Student zna i rozumie pojęcie szeregu czasowego, modelu dynamicznego, opóźnienia, równowagi długookresowej, mnożnika krótko i długookresowego. Rozumie pojęcie przyczynowości w sensie Grangera, niestacjonarności i problemu regresji pozornej.

5. Student ma wiedzę na temat sposobu, w jaki definiuje się modele statystyczne używane w przypadku analizy zmiennych binarnych i dyskretnych.

6. Student zna modele liczebności.

S1A_W01, S1A_W04, S1A_W06, S1A_W10, S2A_W06

UMIEJĘTNOŚCI

Student posiada pogłębioną umiejętność doboru modelu statystycznego i metody estymacji do analizowanego problemu oraz zbioru danych. Umie wykorzystać zaawansowane metody ekonometryczne, by z danych odczytać ilościowe i jakościowe związki między zmiennymi, zweryfikować na podstawie danych hipotezy teoretyczne oraz sformułować prognozy.

1. Student posiada pogłębioną umiejętność doboru modelu statystycznego i metody estymacji do analizowanego problemu oraz zbioru danych.

2. Student umie wykryć obserwacje nietypowe i błędne w danych empirycznych.

3. Student potrafi zdiagnozować problem współliniowości w modelu.

4. Student potrafi przetestować założenia Klasycznego Modelu Regresji Liniowej i w zakresie podstawowym potrafi działać w przypadku niespełnienia tych założeń.

5. Umie dobrać odpowiedni zbiór zmiennych objaśniających do modelu na podstawie kryteriów statystycznych, oraz umie porównywać konkurencyjne modele za pomocą kryteriów informacyjnych oraz metody od ogólnego do szczegółowego i testów zawierania.

6. Student ma umiejętność budowy prostych modeli prognostycznych estymowanych na szeregach czasowych, badania występowania związków przyczynowo skutkowych między zmiennym oraz formułowania prognoz na podstawie skonstruowanych modeli. Potrafi dokonać ilościowej oceny krótko- i długookresowego wpływu zmian zmiennych objaśniających na zmienną objaśnianą.

7. Umie dobrać i wyestymować na danych empirycznych model w przypadku, gdy zmienna zależna jest binarna, dyskretna, uciętą bądź ocenzurowana. Wie w jaki sposób zbadać jakość dopasowania w przypadku takich regresji.

Umie samodzielnie postawić hipotezy badawcze, które można zweryfikować na podstawie materiału empirycznego. Potrafi odnieść sformułowane hipotezy do literatury przedmiotu. Umie skonstruować odpowiedni zbiór danych, przeprowadzić estymację oraz zinterpretować otrzymane wyniki. Potrafi uzyskane wyniki przedstawić w formie pisemnego raportu z badania.

KOMPETENCJE

Student ma świadomość konieczności weryfikacji teorii ekonomicznych za pomocą danych empirycznych. Jednocześnie ma świadomość ograniczeń modeli stosowanych w analizie empirycznej. Potrafi zaplanować i współpracując w grupie zrealizować badanie empiryczne.

1. Student rozumie, że teorie ekonomiczne są kontrowersyjne i że konieczne jest konfrontowanie ich z danymi empirycznymi. Umie sobie wyobrazić, czy daną hipotezę ekonomiczną można poddać empirycznej weryfikacji.

2. Ma świadomość, że metody ilościowe mają ograniczenia, co wynika z niedoskonałości zbiorów danych, którymi dysponujemy oraz uproszczonym charakterem wykorzystywanych modeli. Rozumie, że metody badań ilościowych w ekonomii ciągle się rozwijają.

3. Wykazuje gotowość do uzupełnienia swej wiedzy na podstawie samodzielnie wyszukanej literatury na określony temat.

4. Umie pracować w zespole, potrafi zaplanować badanie empiryczne oraz wspólnie opracować report przedstawiający wyniki tych badań.

KW01, KU01

Egzamin pisemny: 3 pytania teoretyczne i 3 zadania;