INMNAEKM Econometrical Methods

Obchodně podnikatelská fakulta v Karviné
zima 2017
Rozsah
2/1/0. 4 kr. Ukončení: zk.
Vyučující
Ing. Filip Tošenovský, Ph.D. (přednášející)
Mgr. Radmila Krkošková, Ph.D. (cvičící)
Ing. Filip Tošenovský, Ph.D. (cvičící)
Garance
Ing. Filip Tošenovský, Ph.D.
Katedra informatiky a matematiky – Obchodně podnikatelská fakulta v Karviné
Kontaktní osoba: Mgr. Radmila Krkošková, Ph.D.
Předpoklady
K absolvování předmětu nejsou vyžadovány žádné podmínky a předmět může být zapsán nezávisle na jiných předmětech.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Poskytnout hlubší pohled na ekonometrické metody modelování ekonomických situací. Zvládnout teoretický aparát vybraných ekonometrických metod a jejich aplikace v ekonomických disciplínách: mikro a makroekonomii a financích. Naučit se používat známých programů k řešení úloh na PC.
Osnova
  • 1. Předmět ekonometrie, specifika proměnných v ekonometrii
    2. Vícerozměrná regresní analýza
    3. Předpoklady regresní analýzy
    4. Heteroskedasticita
    5. Autokorelace
    6. Multikolinearita
    7. Metoda GLS
    8. Metoda maximální věrohodnosti
    9. Soustavy regresních rovnic, metoda 2SLS
    10. Dynamické regresní modely
    11. Logistický regresní model
    12. Kombinovaná struktura modelu
    13. Použití programů EView a Excel
    1. Předmět ekonometrie, specifika proměnných v ekonometrii
    Definice ekonometrie, předmět zkoumání, používané prostředky.
    Klasifikace proměnných, rozdíly ve srovnání s matematikou.
    2. Vícerozměrná regresní analýza: opakování
    Maticový přístup k regresní analýze, testování koeficientů a modelu, identifikace vlivných bodů.
    3. Předpoklady regresní analýzy
    Přehled základních předpokladů regresní analýzy, dva způsoby vyjádření předpokladů, význam předpokladů.
    4. Heteroskedasticita
    Definice, odhalení heteroskedasticity pomocí koeficientu korelace a pomocí testů, grafická identifikace, vliv heteroskedasticity na kvalitu regresní funkce, odstranění heteroskedasticity.
    5. Autokorelace
    Definice, odhalení autokorelace pomocí testů, grafická identifikace, vliv autokolerace na kvalitu regresní funkce, odstranění autokorelace.
    6. Multikolinearita
    Definice, odhalení multikolinearity pomocí testů, vliv multikolinearity na kvalitu regresní funkce, překonání multikolinearitiy.
    7. Metoda GLS
    Odvození vztahu pro GLS, tvar matice V pro případ heteroskedasticity resp. autokorelace, podstata a význam GLS, srovnání s metodou LS.
    8. Metoda maximální věrohodnosti
    Princip metody, srovnání s metodou nejmenších čtverců (LS), omezené možnosti použití metody LS a výhody metody maximální věrohodnosti.
    9. Soustavy regresních rovnic, metoda 2SLS
    Testování správnosti sestavení soustavy regresních rovnic, princip metody 2SLS.
    10. Dynamické regresní modely
    Identifikace a klasifikace dynamických modelů, Fischerova metoda jejich řešení.
    11. Logistický regresní model
    Zobecnění regresní analýzy pro různé typy zadání dat, modely pro diskrétní výstupy, binární modely, využití metody maximální věrohodnosti.
    12. Kombinovaná struktura modelu
    Rozhodování o volbě jedné resp. kombinace více regresních funkcí a způsob jejich nalezení.
    13. Použití programů EView a Excel
    Všechna témata řešit s programy Excel a EViews.
Literatura
    doporučená literatura
  • DAVIDSON R., MACKINNON, J. G. Econometric Theory and Methods. New York: Oxford University Press, 2004. info
  • GURAJATI, D. N. Basic Econometrics, 4. Ed. Mc Graw-Hill, Singapore, 2003. ISBN 0-07-233542-4. info
Výukové metody
Demonstrace dovedností
Seminární výuka
Metody hodnocení
Písemná zkouška
Písemný test
Vyučovací jazyk
Angličtina
Informace učitele
průběžný test, 70% účast na seminářích, forma zkoušky: písemná
AktivityNáročnost [h]
Ostatní studijní zátěž36
Přednáška26
Seminář13
Zkouška40
Celkem115
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2014, zima 2015, zima 2016, zima 2018.