Discrete Choice Analysis (using Stata) .
General data
Course ID: | 2400-ZEWW264 |
Erasmus code / ISCED: |
14.3
|
Course title: | Discrete Choice Analysis (using Stata) . |
Name in Polish: | Analiza wyborów dyskretnych |
Organizational unit: | Faculty of Economic Sciences |
Course groups: |
(in Polish) Przedmioty kierunkowe (obowiązkowe) do wyboru - studia II stopnia IE - grupa 2 (3*30h) (in Polish) Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 2 (2*30h) (in Polish) Przedmioty wyboru kierunkowego dla studiów licencjackich IE (in Polish) Przedmioty wyboru kierunkowego dla studiów licencjackich MSEM |
ECTS credit allocation (and other scores): |
4.00
|
Language: | Polish |
Type of course: | optional courses |
Prerequisites (description): | Please give exact or approximate titles of other courses a student should have previously taken and passed in order to participate in the course described herein. Please describe the range of background knowledge/ skills/ other competences, expected from a student upon their enrolment in the course. Define the expected learning outcomes upon the course commencement. It is advisable to indicate other courses offered at the University of Warsaw of which completion, that is the achievement of defined learning outcomes, may facilitate the study of the course described herein. |
Short description: |
(in Polish) Modele z objaśnianą zmienną dyskretną są coraz częściej wykorzystywane w badaniach empirycznych nad zjawiskami ekonomicznymi. Metodologia tworzenia modeli i interpretacja ich wyników różni się od metod klasycznych.Celem tych zajęć będzie przede wszystkim zapoznanie studentów z najważniejszymi technikami analizy wyborów dyskretnych i możliwościami pakietu ekonometrycznego STATA w tym zaskresie. Celem dodatkowym będzie nauczenie studentów poprawnej budowy modeli ekonometrycznych z dyskretną zmienna objaśnianą i interpretacji otrzymanych wyników. Zajęcia będą miały charakter ćwiczeń/konwersatorium. Każdy uczestnik zająć w pierwszej ich części pozna podstawy teoretyczne modelu i techniki estymacji. Druga część zajęć będzie przeznaczona na pracę z programem i estymację modelu. Zajęcia są przeznaczone dla studentów IV - V roku. Znajomość KMRL obowiązkowa oraz modelu logitowego i probitowego jest mile wydziana. Zaliczenie - prezentacja wybranego badania lub własnej pracy empirycznej. |
Full description: |
(in Polish) Celem zajęć jest zapoznanie studentów z formalnymi metodami opisu modeli wyborów dyskretnych, oraz bieżącymi osiągnięciami badawczymi w tym zakresie. [1] Przegląd modeli wyborów dyskretnych i ich zastosowań [2] Wprowadzenie do wyborów dyskretnych, pojęcie wyboru dyskretnego, zbioru alternatyw [3-4] Ekonomiczne podstawy wyborów dyskretnych, powiązanie modeli ekonomicznych i matematycznych poprzez intepretację funkcji użyteczności [5-7] omowienie rożnych modeli wyborów dyskretnych, sposobów ich estymacji, interpetacji wyników, oraz diagnostyki. [8-15] omawianie różnych zastosowań modeli wyborów dyskretnych w poszczególnych obszarach ekonomii (transport, bankowość, marketing, ubezpieczenia (itp.). W drugiej cześci zajęć uczestnicy będą prezentować wyniki swoich prac empirycznych.. |
Bibliography: |
(in Polish) Podręczniki: Baum Kit (2006) "An Introduction to Modern Econometrics Using Stata", Stata Press David Cameron Colin, Trivedi, Parvin K.. (2009) Microeconometrics Using Stata, Stata Press. Hensher, John Rose, William Greene (2005) "Applied Choice Analysis. A Primer", CUP Kenneth Train "Discrete Choice Methods with Simulations" Long Scott J., Freese Jeremy (2003) Regression Models for Categorical and Limited Dependent Variables Using Stata, Revised Edition, Stata Press Maddala G.S. (1999) Limited Dependent and Qualitative Variables in Econometrics, Cambridge University Press William H. Greene (2003) Econometric Analisys, Princton Halls Artykuły: Ai, Chunrong i Norton Edward. (2003) Interaction terms in logit and probit models, Economic Letters, vol. 80, pp. 123-129. Buis, Maarten. (2010) Stata tip 87: Interpretation of interactions in nonlinear models, Stata Journal, vol 10, Number 2, pp. 305-310. Cameron Colin. i Windmeijer, F.A.G. (1993) R-Squared Measures for Count Data Regression Models with Applications to Health Care Utilization, Dept. of Economics Working Paper 93-24, University of California at Davis. Mroz Thomas. (1987) The Sensivity of an Empirical Model of Married Women’s Hours of Work to Economic and Statistical Assumptions, Econometrica, vol 55(4), pp. 765-799. Veall, Michael R. i Zimmermann, Klaus F. (1996) Pseudo-R2 Measures for Some Common Limited Dependent Variable Models . Collaborative Research Center 386, Discussion Paper 18. Williams Richard (2011) Comparing Logit and Probit Coefficients Between Models and Across Groups |
Learning outcomes: |
(in Polish) Po ukończeniu kursu uczestnik: WIEDZA Zna metody ilościowe i narzędzia opisu zjawisk o charakterze wyborów dyskretnych Zna źródła pozyskiwania danych ekonomicznych oraz posiada podstawowe informacje dotyczące metod postępowania w przypadku modelowania wyborów o charakterze dyskretnym. Zna sposoby wykorzystania pakietu Stata w opisie zjawisk ekonomicznych i społecznych. S2A_W06 Potrafi rozpoznać problem ekonomiczny z kategorii wyboru dyskretnego S2A_W06. UMIEJĘTNOŚCI Potrafi budować zaawansowane modele dla zjawisk ekonomicznych i społecznych o naturze wyboru dyskretnego, oraz oceniać rezultaty modele opisywanych w literaturze przedmiotu w sposób krytyczny S2A_U04, S2A_U07 Potrafi dokonać prezentacji wyników i napisać raport z przeprowadzonego badania empirycznego S2A_U09, S2AU_10. KOMPETENCJE SPOŁECZNE Znajomość podstawowymi funkcji pakietu statystycznego pozwala na rozszerzenie wiedzy we własnym zakresie. S2A_K01 Na podstawie przedstawionych interpretacji uzyskanych wyników potrafi być krytyczny w stosunku do przedstawionych modeli i prawidłowo identyfikuje i rozstrzyga dylematy wykorzystaniem tych metod w prowadzeniu własnej firmy lub pracy zawodowej S2A_K04, S2A_K07. SU05, SU06, SK01, SK03, SU04, SU03, SU02, SU01, SW03, SW02, SW01, SW04, SW05, SK02, SK04 |
Assessment methods and assessment criteria: |
(in Polish) Szczegółowe zasady dotyczące obecności na zajęciach wynikają wprost z regulaminu studiów na Uniwersytecie Warszawskim, doposzczalne są nieobecności nie przekraczające 20% nominalnych godzin zajęciowych. Ocena z zajeć zostanie wystawiona na podstawie pracy samodzielnej studenta lub pracy w grupie. Forma oraz terminy rozliczenia zadania zaliczeniowego zostanie uzgodniona z uczestnikami zajęć podczas pierwszego spotkania. Dodatkowym warunkiem jest terminowe oddanie pracy zaliczeniowej. |
Classes in period "Summer semester 2023/24" (in progress)
Time span: | 2024-02-19 - 2024-06-16 |
Navigate to timetable
MO TU W KON
TH FR |
Type of class: |
Seminar, 30 hours
|
|
Coordinators: | Paweł Strawiński | |
Group instructors: | Paweł Strawiński | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Grading
Seminar - Grading |
Copyright by University of Warsaw.