114-0580/01 – Aplikovaná ekonometrie (APE)
| Garantující katedra | Katedra ekonomie | Kredity | 5 |
| Garant předmětu | doc. Ing. Jiří Balcar, Ph.D., MBA | Garant verze předmětu | doc. Ing. Jiří Balcar, Ph.D., MBA |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 1 | Semestr | letní |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2020/2021 | Rok zrušení | |
| Určeno pro fakulty | EKF | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem předmětu je aplikovat ekonometrické metody na reálné problémy. Důraz je kladen na perspektivu profesionálních uživatelů ekonometrie a ilustruje, jak empiričtí výzkumníci uvažují a aplikují metody ekonometrie. Cílem je vybavit studenty širokými a přísnými nástroji, které by jim umožnily (i) provádět nezávislou ekonometrickou analýzu problémů, se kterými se mohou setkat ve své práci, a (ii) tam, kde je to vhodné, vypracovat doporučení.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
ISP: Zpracování sady úkolů prostřednictvím seminární práce, zápočtová písemka.
Pro ostatní studenty platí stejné podmínky.
E-learning
Další požadavky na studenta
Požadavky na kurz zahrnují aktivní účast na seminářích a domácí práce, závěrečný zápočet.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do ekonometrie a programu Stata, a její užívání pro popisné statistiky.
2. Metoda nejmenších čtverců, lineární regrese a vlastnosti estimátoru OLS.
3. Věrohodnost odhadu, testování hypotéz, chyby měření a zpětné vazby v přítomnosti stochastických proměnných.
4. Interpretace a porovnávání modelů (včetně kritérií selekce modelů).
5. Základy prognózování a simulace.
6. Heteroskedasticita a autokorelace.
7. Zásady analýzy časových řad a volatility (modelování kondicionální střední a variance).
8. Endogenita, odhad pomocí metody instrumentálních proměnných.
9. Logit a probit modely.
10. Multinomiální modely a modely uspořádaných odpovědí.
11. Celočíselná data (Poissonův regresní model, negativní binomický model, obecná celočíselná regrese), „duration“ data.
12. Tobit modely (proměnné s neúplnými daty: censored), efekty zacházení (treatment effects).
13. Lineární modely panelových dat: fixní a náhodné efekty.
14. Lineární modely panelových dat: statické a dynamické modely, neúplné panely (/attrition), testy nestacionarity a kointegrace.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.