(in Polish) Zrozumieć estymowanie ekonometryczne

W kursie tym będziemy wspólnie dociekać "co się da wydusić z danych" przy pomocy w większości znanych już metod, miar, wykresów i statystyk. Jest to kurs w którym prowadzący dzielą się własnym doświadczeniem oraz metodą generowania symulacyjnych danych jako metodą badawczą. Kurs pozwala lepiej zrozumieć zawiłości oraz problemy strategii estymacji modeli ekonometrycznych.

Kurs jest kontynuacją przedmiotu "Zrozumieć modelowanie ekonometryczne", jednak nie jest konieczne ukończenie pierwszej części, aby w pełni wykorzystać prezentowaną podczas zajęć wiedzę. W przeciwieństwie do poprzedniej części, gdzie poruszone były metody budowania modelu ekonometrycznego ze szczególnym naciskiem na badanie relacji przyczynowo skutkowych, tematyka tego przedmiotu jest skupiona na aspektach i niuansach technik estymacyjnych: na pogłębionym zrozumieniu miar, testów, wykresów i statystyk. Wspólnie będziemy się uczyć jak rozumieć problemy wynikające z jakości i typu danych oraz jakie informacje da się wydobyć informacji generowanych przez procedury obliczeniowe. Analizowane będą też rozszerzenia standardowego modelu MNK jako sposób rodzenia sobie z problemami zbyt restrykcyjnych założeń.

Podobnie jak w poprzedniej części, metodą dociekania będzie tworzenie symulacyjnych danych, które to pozwolą zobrazować problem oraz poszerzyć zrozumienie danego aspektu wnioskowania statystycznego w ekonometrii.

Poziom kursu jest ustalony na poziomie zainteresowanych ekonometrią osób z kierunku IiE, jednak nie ma przeszkód, żeby zainteresowane badaniami osoby z kierunków ogólnych uczęszczały na ten przedmiot. Aby ze zrozumieniem brać udział w przedmiocie, powinno się mieć ukończone przedmioty: Statystyka Matematyczna oraz Ekonometria. Znajomość programu R-CRAN nie jest wymagana, ale jest bardzo pomocna.

Ramowy plan zajęć [dostosowany do poziomu i zainteresowań grupy]:

[1-3 zajęć] Wstęp: Wprowadzenie do problematyki, minimalistyczne wprowadzenie do środowiska R, pierwsze symulacje.

[4-6 zajęć] Błędy I i II rodzaju: dominacja w wnioskowaniu statystycznym bezkrytycznego stosowania kryterium p-value, analiza zaleceń: American Statistical Association (ASA) "Statement on Statistical Significance and P-Values". Sytuacje zaburzenia błędu I rodzaju, analizy mocy testów.

[1-2 zajęć] Dogłębna analiza wykresów i statystyk.

[4-6 zajęć] Konsekwencje niespełnienia założeń w kontekście testów ekonometrycznych i statystycznych.

[2-4 zajęć] Prezentacje projektów.

Wooldridge, Jeffrey M. Introductory econometrics: A modern approach. Nelson Education, 2016.

Greene, William H. Econometric analysis. Pearson Education India, 2003.

WIEDZA

• Zna podstawowe problemy modelowania ekonometrycznego

• Zna symulacyjne podejście do badania własności miar ekonometrycznych i statystycznych

• Posiada wiedzę o oprogramowaniu niezbędnym do stworzenia modeli ekonometrycznych i eksperymentów obliczeniowych

UMIEJĘTNOŚCI

• Potrafi samodzielnie i krytycznie analizować wyniki modelowania ekonometrycznego

• Może wykorzystywać różne zestawy danych do prowadzenia własnych badań

KOMPETENCJE SPOŁECZNE

• Jest krytyczny w stosunku do prezentowych problemów ekonometrii i statystyki w badaniach społecznych oraz dąży do racjonalnego wyjaśnienia otaczających go zjawisk ekonomicznych i społecznych, uczy się myśleć, wypowiadać oraz pisać w sposób logiczny i spójny

Na ocenę składać się będą:

Regularna aktywność:

• oceny cząstkowe z przygotowywanych na zajęcia prostych symulacji na wzór podany w przykładowym kodzie oraz za aktywny udział w dyskusji na danych zajęciach

Projekt zaliczeniowy:

• ocena z prezentacji

• ocena z pracy pisemnej

Ocena jest funkcją wymienionych części