(in Polish) Modelowanie danych panelowych

Dziedziną ekonometrii długo jeszcze będącą poza zasięgiem metod uczenia maszynowego jest analiza danych panelowych. Ekonometria danych panelowych jest tematem niezwykle szerokim. Na zajęciach omówione zostaną modele panelowe dla zmiennej zależnej każdej postaci: ciągłej, ograniczonej, dyskretnej jakościowej i ilościowej (całkowitoliczbowej). Przedstawione zostaną modele panelowe uwzględniające endogeniczność i wykorzystujące metodę zmiennych instrumentalnych. Zaprezentowane zostaną również sposoby estymacji dynamicznych modeli panelowych.

Ogromna przewaga modeli ekonometrycznych nad metodami uczenia maszynowego w modelach panelowych wynika z wykorzystania zarówno wymiaru przekrojowego, jak i czasowego danych. Temat ten jest niezwykle szeroki, stąd pomysł na poświęcenie całego kursu zagadnieniom modeli panelowych. Wszystkie modele, które zostały omówione na kursie Zaawansowanej Ekonometrii istnieją w wersjach panelowych.

Kurs jest podzielony na dwie części. Pierwsza część kursu poświęcona jest modelowaniu zmiennych: dyskretnych jakościowych (panelowe modele logitowe i probitowe; binarne, uporządkowane i nieuporządkowane), dyskretnych ilościowych (panelowe modele liczebności) oraz ograniczonych/ocenzurowanych (panelowy model tobitowy). Omówione zostaną również sposoby uwzględniania endogeniczności i wykorzystanie metody zmiennych instrumentalnych w ramach wymienionych modeli. Druga część kursu poświęcona jest modelowaniu zmiennych ciągłych. Omówione zostaną zarówno najważniejsze modele statyczne rozszerzające i wykraczające poza podstawowe modele efektów losowych i stałych (np. model Mundlaka-Chamberlaina, model Hausmana-Taylora, estymacja SUR), najważniejsze estymatory dedykowane dynamicznym modelom panelowym (estymatory Andersona-Hsiao, Arellano-Bonda, Arellano-Bovera/Blundella-Bonda), jak i kwestie związane ze stacjonarnością zmiennych w ujęciu panelowym.

Na zajęciach obowiązuje prymat praktyki nad teorią. Do każdego tematu prowadzący przedstawia wstęp teoretyczny oraz praktyczne przykłady dydaktyczne w środowisku Stata i/lub R (wybór podyktowany dostępnością i efektywnością odpowiednich procedur statystyczno-ekonometrycznych w obydwu środowiskach). Wstęp teoretyczny ma służyć zapoznaniu Studentów z danym zagadnieniem bez zagłębiania się w szczegóły techniczne i matematyczne (dla zainteresowanych zawsze będą dostępne odnośniki do literatury). Tym samym nacisk zostanie położony na przygotowanie Studenta do samodzielniej lektury prac empirycznych stosujących zaawansowane techniki i modele ekonometryczne oraz samodzielnej analizy danych z wykorzystaniem tych technik i modeli.

Plan zajęć:

1. Przypomnienie z podstawowych modeli panelowych i wprowadzenie do tematyki kursu

Część I

2. Modele dla binarnej zmiennej zależnej

3. Modele dla uporządkowanej zmiennej zależnej

4. Modele dla nieuporządkowanej zmiennej zależnej

5. Modele dla liczebności

6. Modele tobitowe

7. Problem endogeniczności w panelowych modelach dla zmiennych ocenzurowanych i dyskretnych

Część II

8. Rozszerzenia podstawowych modeli panelowych cz. 1. (model Mundlaka-Chamberlaina, model Hausmana-Taylora)

9. Rozszerzenia podstawowych modeli panelowych cz. 2. (estymacja SUR, model Swamy’ego, Mean Group Estimation)

10. Panelowe testowanie stacjonarności

11. Dynamiczne modele panelowe cz. 1. (estymator Andersona-Hsiao, wprowadzenie do Uogólnionej Metody Momentów w kontekście dynamicznych modeli panelowych)

12. Dynamiczne modele panelowe cz. 2. (estymator Arellano-Bonda, Arellano-Bovera/Blundella-Bonda)

Zagadnienia dodatkowe – w zależności od czasu

13. Panelowe model VAR i VECM

Literatura

1. Badi H. Baltagi, Econometric Analysis of Panel Data, 5th Ed., Wiley, 2013.

2. Yves Croissant, Giovanni Millo, Panel Data Econometrics with R, Wiley, 2019.

3. Cheng Hsiao, Analysis of Panel Data, 3rd Ed., Cambridge University Press, 2014.

4. A. Collin Cameron, Pravin K. Trivedi, Microeconometrics Using Stata, Revised Edition, Stata Press, 2010.

5. A. Collin Cameron, Pravin K. Trivedi, Regression Analysis of Count Data, 2nd Ed., Cambridge University Press, 2013.

6. Jeffrey M. Wooldridge, Econometric Analysis of Cross Section and Panel Data, 2nd Ed., The MIT Press, 2010.

Efekty uczenia się:

A) Wiedza

Student ma wiedzę o podstawowych i rozszerzonych modelach dla danych.

1. Student zna wady i zalety wykorzystywania modeli dla danych panelowych.

2. Student zna podstawowe techniki i narzędzia diagnostyki modeli i pokonywania problemów wynikających z niespełnienia założeń.

B) Umiejętności

Student potrafi korzystać z programów statystyczno-ekonometrycznych do estymacji modeli dla danych panelowych.

1. Student umie analizować dane panelowe za pomocą podstawowych narzędzi statystycznych i ekonometrycznych.

2. Student potrafi wykorzystać właściwe metody badawcze do rozwiązywania zadań.

3. Student umie wykorzystywać funkcje i skrypty przygotowane przez innych badaczy i analityków.

4. Student potrafi dobrać narzędzie analityczne do rozwiązania problemu z zakresu ekonomii, finansów i dziedzin pokrewnych.

5. Student umie wykonać szereg operacji obliczeniowych i analitycznych w celu znalezienia rozwiązania zadania.

6. Student potrafi przeprowadzić analizę uzyskanych wyników, zinterpretować ich sens ekonomiczny i stworzyć raport z wykonanej analizy.

C) Kompetencje społeczne

Student ma świadomość konieczności uzupełniania i doskonalenia wiedzy i umiejętności.

1. Student potrafi komunikatywnie zaprezentować dane w postaci tabel i wykresów.

2. Student jest przygotowany do samodzielnego rozszerzania wiedzy.

3. Student potrafi pracować z programami przygotowanymi przez innych oraz przygotowywać programy, które mogą być wykorzystywane przez innych.

4. Student umie ocenić możliwość wykorzystania wybranego narzędzia do rozwiązania problemu.

5. Student rozumie ograniczenia technik informatycznych w analizowaniu skomplikowanych zjawisk gospodarczych.

SU05, SU06, SK01, SK03, SU04, SU03, SU02, SU01, SW03, SW02, SW01, SW04, SW05, SK02, SK04

Metody i kryteria oceniania:

1. Przygotowanie, w zespołach maksymalnie dwuosobowych, dwóch prac zaliczeniowych (po 50%), w których zastosowanie znajdują techniki modelowania danych panelowych z Części I (pierwsza praca zaliczeniowa) i Części II (druga praca zaliczeniowa) kursu.