1. SylabUZ
2. Faculty of Mathematics, Computer Science and Econometrics
3. winter term 2020/2021
4. Informatics and Econometrics - Second-cycle studies leading to MS degree
5. Econometrics

Generate PDF for this page

Econometrics - course description

Aim of the course

Zapoznanie studenta z podstawowymi metodami analiz w modelach regresji liniowej.

Prerequisites

Save changes

Od studenta wymaga się znajomości z zakresu algebry liniowej, rachunku prawdopodobieństwa oraz statystyki matematycznej.

Scope

Wykład
1. Zdefiniowanie i omówienie klasycznego modelu regresji liniowej.
2. Estymacja parametrów modelu oparta na metodzie najmniejszych kwadratów.
3. Mierniki dopasowania modelu. Testy istotności parametrów modelu. Test adekwatności modelu.
4. Testy weryfikujące założenia dla klasycznego modelu regresji liniowej.
5. Przedziały ufności oraz prognozowanie.
6. Uogólnione modele liniowe.
7. Zastosowanie modeli regresji liniowej w analizie i prognozowaniu zjawisk ekonomicznych.

Ćwiczenia
1. Powtórzenie materiału z zakresu algebry liniowej, rachunku prawdopodobieństwa oraz statystyki matematycznej wykorzystywanego w analizie regresji liniowej.
2. Metoda najmniej szych kwadratów.
3. Ocena dopasowania modelu do obserwacji.
4. Testy istotności parametrów oraz adekwatności modelu.
5. Weryfikacja założeń klasycznego modelu regresji liniowej.
6. Prognozowanie oraz przedziały ufności.
7. Uogólnione modele regresji liniowej

Laboratorium
1. Uogólnione modele regresji liniowej. Omówienie oraz zapoznanie się z podstawowymi funkcjami programu komputerowego wykorzystywanego do analiz statystycznych.
2. Metody zapisu i odczytu tabelarycznych danych statystycznych. Techniki przetwarzania i prezentacji danych.
3. Estymacja parametrów modelu regresji liniowej na podstawie danych rzeczywistych.
4. Ocena dopasowania modelu. Testowanie istotności parametrów i adekwatności modelu.
5. Testy weryfikujące założenia w klasycznym modelu regresji liniowej.
6. Przedziały ufności oraz prognozowanie. Graficzna prezentacja analiz.
7. Uogólnione modele regresji liniowej

Teaching methods

Wykład konwencjonalny. Ćwiczenia audytoryjne, studenci rozwiązują zadania z przygotowanej listy. Na laboratorium studenci zapoznają się z funkcjami pozwalającymi przeprowadzić odpowiednie analizy, następnie otrzymują dane do samodzielnej pracy.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Ocena z wykładu na podstawie egzaminu. Ocena z ćwiczeń wystawiona na podstawie wyników z kolokwium oraz aktywności w trakcie zajęć. Ocena z laboratorium wystawiona na podstawie sprawdzianów, pozwalających określić stopień opanowania narzędzi statystycznych oraz umiejętność poprawnego wnioskowania w oparciu o otrzymane wyniki analiz.
Na ostateczną ocenę z przedmiotu składa się ocena z ćwiczeń (35%), ocena z laboratorium (35 %) oraz ocena z egzaminu (30%). Warunkiem przystąpienia do egzaminu jest pozytywna ocena z ćwiczeń. Warunkiem zaliczenia przedmiotu jest uzyskanie pozytywnych ocen z ćwiczeń, laboratorium i wykładu

Recommended reading

1. A. Goryl i inni, Wprowadzenie do ekonometrii, PWN, Warszawa, 2009.
2. W. Grabowski, A. Welfe, Ekonometria – zbiór zadań. PWE, Warszawa, 2010.
3. J. Koronacki, J. Mielniczuk, Statystyka, WNT, W arszawa, 2001.
4. C. R. Rao, Modele liniowe statystyki matematycznej, PWN, Warszawa, 1982.

Further reading

1. B. Borkowski, H. Dudek, W. Szczęsny, Ekonometria – wybrane zagadnienia, PWN, Warszawa, 2004.
2. M. Dobosz, Wspomagana komputerowo statystyczna analiza wyników badań, EXIT, Warszawa, 2001.
3. T. Górecki, Podstawy statystyki z przykładami w R, BTC, Legionowo, 2011.

Notes

Modified by dr Alina Szelecka (last modification: 05-06-2020 12:23)