SylabUZ
| Course name | Econometric Models Analysis |
| Course ID | 11.9-WK-IDP-AME-W-S14_pNadGenB45W8 |
| Faculty | Faculty of Mathematics, Computer Science and Econometrics |
| Field of study | Data Engineering |
| Education profile | academic |
| Level of studies | First-cycle studies leading to Engineer's degree |
| Beginning semester | winter term 2021/2022 |
| Semester | 5 |
| ECTS credits to win | 5 |
| Available in specialities | Modeling and Data Analysis |
| Course type | optional |
| Teaching language | polish |
| Author of syllabus |
|
| The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
| Lecture | 30 | 2 | - | - | Credit with grade |
| Laboratory | 30 | 2 | - | - | Credit with grade |
Celem przedmiotu jest zapoznanie studentów z podstawowymi modelami ekonometrycznymi, metodami szacowania parametrów modeli oraz prognozowania. Modele ekonometryczne pozwalają na opisywanie (funkcyjne) zależności między zmiennymi i są powszechnie stosowane we wszystkich dziedzinach. Po ukończeniu kursu student powinien być przygotowany do samodzielnej pracy w zakresie modelowania ekonometrycznego, począwszy od poprawnego zdefiniowania modelu, następnie estymacji parametrów, testowania, prognozowania i skończywszy na przygotowaniu czytelnego raportu zgodnie z wymaganiami zleceniodawcy. Ponadto powinien być przygotowany do umiejętnego posługiwania się odpowiednim programem wspomagającym analizy.
Student powinien zaliczyć przedmioty: Analiza danych statystycznych.
Wykład/laboratorium:
1. Prezentacja metod tworzenia modeli ekonometrycznych, estymacji parametrów w modelach oraz ich testowanie. Student zapozna się z:
regresją liniową, regresją nieliniową,
szeregami czasowymi, prognozowaniem.
2. Wykorzystanie wybranego pakietu statystycznego do obliczeń ekonometrycznych.
Wykład tradycyjny, dostępny w formie elektronicznej. Laboratoria, w ramach których studenci wykonują analizy ekonometryczne dla wybranych modeli przy wykorzystaniu programu komputerowego.
| Outcome description | Outcome symbols | Methods of verification | The class form |
Udział w zajęciach jest obowiązkowy.
Kolokwia (laboratorium) z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. Wykład kończy się egzaminem w postaci testu.
Na ocenę z przedmiotu składa się ocena z laboratorium (70%) oraz ocena z wykładu (30%). Warunkiem zaliczenia przedmiotu jest pozytywna ocena z laboratorium i wykładu.
1. A. D. Aczel, Statystyka w zarządzaniu, PWN, Warszawa, 2000.
2. J.J. Faraway, Practical Regression and Anova using R, 2002, 2012, http://www.R-project.org.
3. T. Górecki, Podstawy statystyki z przykładami w R, BTC, Legionowo, 2011.
4. G.C. Chow, Ekonometria, PWN, Warszawa, 1995.
5. K. Jajuga (red.), Ekonometria - Metody i Analiza Problemów EKonomicznych, AE, Wrocław, 1999.
1. B. Borskowski, H. Dudek, W. Szczesny, Ekonometria – wybrane zagadnienia, PWN, W-wa, 2004.
2. G.V. Farnsworth, Ekonometrics in R, 2008, 2012, http://www.R-project.org.
3. J. Koronacki, J. Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa, 2001.
Modified by dr Alina Szelecka (last modification: 05-05-2021 13:03)
