Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Ekonometria

Informacje ogólne

Kod przedmiotu: 1000-135EKN
Kod Erasmus / ISCED: 11.923 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0619) Komputeryzacja (inne) Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Ekonometria
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty fakultatywne dla studiów 2 stopnia na matematyce
Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

fakultatywne

Skrócony opis:

Studenci, którzy wcześniej zaliczyli przedmiot monograficzny Ekonometria (1000-1M02EK) nie mogą zaliczać Ekonometrii (1000-135EKN).

Pełny opis:

Ekonometria -- podstawowe metody i cele. Przykłady modeli ekonometrycznych. Ogólna klasyfikacja modeli ekonometrycznych. Prognozowanie i symulacja w oparciu o modele ekonometryczne (1 wykład). Metoda najmniejszych kwadratów (MNK). Sformułowanie zadania. Wyznaczanie optymalnych wartości parametrów. Oszacowanie błędu przybliźenia. Algebraiczne własności MNK. (1--2 wykłady)

Klasyczny jednorównaniowy liniowy model ekonometryczny. Załoźenia modelu. Estymacja parametrów strukturalnych modelu metodą najmniejszych kwadratów (regresja wieloraka). Statystyczna weryfikacja

modelu. Przykłady: Modele produkcji - funkcja Cobba-Douglasa. (4--5 wykładów)

Zastosowanie metody najmniejszych kwadratów w modelach nieliniowych. Opis metody. Przykłady:

Modelowanie popytu konsumpcyjnego - funkcje Tórnquista. (1--2 wykłady)

Teoria duźej próbki. Zbieźność ciągów zmiennych losowych. Załoźenia modelu. Asymptotyczne własności estymatorów MNK. Statystyczna weryfikacja modelu. Przykłady: Teoria racjonalnych oczekiwań. (4 wykłady)

Konstrukcja modeli ekonometrycznych w oparciu o szeregi czasowe. Stacjonarność. Klasyczne modele liniowe ARMA i ARIMA. Modele uwzględniające heteroskedastyczność - ARCH, GARCH. Prognozowanie. (2--3 wykłady)

Literatura:

A.Goryl, Z.Jędrzejczyk, K.Kukuła, J.Osiewalski, A.Walkosz, Wprowadzenie do ekonometrii. PWN, Warszawa 2000.

W.H.Greene, Econometric Analysis, Prentice Hall, 2000.

F.Hayashi, Econometrics. Princeton University Press, 2000.

J.Jakubowski, R.Sztencel, Wstęp do rachunku prawdopodobieństwa, SCRIPT, Warszawa 2000.

Efekty uczenia się:

Wiedza i umiejętności:

1. Zna cele ekonometrii i pojęcie modelu ekonometrycznego.

2. Zna założenia regresji liniowej; metodę estymacji metodą najmniejszych kwadratów; wnioskowanie statystyczne w tym modelu: budowę przedziałów ufności dla współczynników, weryfikację hipotez.

3. Rozumie skutki naruszenia założeń podstawowego modelu regresji, w tym efekty heteroskedastyczności, autokorelacji reszt, współliniowości; umie przeprowadzić odpowiednie testy statystyczne i zastosować metody estymacji właściwe dla danej sytuacji (z użyciem instrumentów bądź uogólnionej metody najmniejszych kwadratów).

4. Poznał modele nieliniowe i metody ich estymacji.

5. Zna założenia i umie zastosować metodę największej wiarygodności do estymacji modeli liniowych i nieliniowych.

6. Potrafi przeprowadzić wnioskowanie statystyczne dla danych jakościowych i danych uciętych.

7. Poznał podstawowe metody analizy szeregów czasowych, w tym użycie modeli autoregresyjnych, ze średnią ruchomą, jak również modeli typu GARCH.

Kompetencje społeczne:

1. Rozumie znaczenie ekonometrii jako narzędzia w analizie zjawisk społeczno-ekonomicznych.

Metody i kryteria oceniania:

Ćwiczenia będą zaliczane na podstawie:

* aktywności an zajęciach;

* liczby punktów uzyskanych z prac domowych.

Do egzaminu są dopuszczeni tylko studenci, którzy uzyskali zaliczenie ćwiczeń.

Egzamin będzie w formie pisemnej lub pisemnej i ustnej.

Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Piotr Jaworski
Prowadzący grup: Piotr Jaworski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.3.0-2b06adb1e (2024-03-27)