BKE_ZAEE Základy ekonometrie

Ekonomicko-správní fakulta
podzim 2024
Rozsah
tutorial 12 hodin. 6 kr. Ukončení: zk.
Vyučující
doc. Ing. Daniel Němec, Ph.D. (přednášející)
Garance
doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Mgr. Jarmila Šveňhová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta
Předpoklady
FORMA ( K )
základy pravděpodobnosti a matematické statistiky
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.
Mateřské obory/plány
Cíle předmětu
Cílem kurzu je poskytnout studentům potřebné dovednosti k využívání ekonometrických metod, využitelných v ekonomii, ve financích nebo obchodu. Studenti si v rámci kurzu osvojí znalosti základů regresní analýzy, což jim umožní dobře porozumět řadě odborných textů právě z oblastí ekonomie, financí nebo z oblasti podnikové sféry.
Úvod kurzu je zaměřen na modely jednoduché i vícerozměrné regrese. Tyto modely jsou rozebírány poměrně do hloubky a to v rámci ilustrativních příkladů z ekonomické oblasti. Pozornost je věnována pečlivé interpretaci výsledků regresní analýzy a testování ekonomických hypotéz. Předmětem zájmu je rovněž přehled mírně pokročilejších ekonometrických témat, jakými jsou regrese s využitím panelových dat a diskrétních závisle proměnných.
Po absolvování kurzu budou studenti schopni využívat regresní modely v řadě oblastí a budou stejně tak schopni kriticky hodnotit dosažené regresní výsledky empirického výzkumu z oblasti ekonomie, financí, podnikového hospodářství a dalších. Absolventi budou schopni identifikovat a řešit řadu ekonometrických problémů v analýze časových řad i dat průřezových a osvojí si znalosti používání základních ekonometrických metod.
Výstupy z učení
Kurz je koncipován způsobem, aby studenti pochopili, proč je ekonometrie užitečná, a aby si prakticky vyzkoušeli používání standardních ekonometrických nástrojů. Po absolvování kurzu tedy studenti:
budou schopni aplikovat tyto nástroje při modelování, odhadu, analýze a predikci v kontextu ekonomických problémů reálného světa,
dokáží kriticky zhodnotit výsledky a závěry jiných osob využívajících ekonometrické nástroje,
osvojí si potřebné základy pro další studium ekonometrie.
získají přehled o šíři a možnostech existujících pokročilejších technik, které jsou obsahem navazujících a rozšiřujících kurzů.
Osnova
  • 1. Úvod do ekonometrie a práce s daty
  • 2. Netechnický úvod do regrese
  • 3. Regresní model s jedinou vysvětlující proměnnou
  • 4. Model vícenásobné regrese
  • 5. Uvolnění klasických předpokladů – heteroskedasticita
  • 6. Uvolnění klasických předpokladů – autokorelace náhodných složek
  • 7. Metoda instrumentálních proměnných
  • 8. Modely kvalitativních a omezených vysvětlovaných proměnných
  • 9. Modely panelových dat
Literatura
    povinná literatura
  • KOOP, Gary. Introduction to econometrics. Chichester: John Wiley & Sons, 2008, 371 s. ISBN 9780470032701. info
    doporučená literatura
  • HILL, R. Carter, William E. GRIFFITHS a Guay C. LIM. Principles of econometrics. Fifth edition. Hoboken: Wiley Custom, 2018, xxvi, 878. ISBN 9781119510567. info
  • HEISS, Florian. Using R for introductory econometrics. 2nd edition. Düsseldorf: Florian Heiss, 2020, 368 stran. ISBN 9788648424364. info
  • WOOLDRIDGE, Jeffrey M. Introductory econometrics : a modern approach. Seventh edition. Boston: Cengage Learning, 2020, xxi, 826. ISBN 9781337558860. info
  • CIPRA, Tomáš. Finanční ekonometrie. 1. vyd. Praha: Ekopress, 2008, 538 s. ISBN 9788086929439. info
  • HEISS, Florian a Daniel BRUNNER. Using Python for introductory econometrics. 1st edition. Düsseldorf: Florian Heiss, 2020, 418 stran. ISBN 9788648436763. info
Výukové metody
přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování
Metody hodnocení
domácí úkoly (30 % hodnocení), závěrečný projekt a jeho obhajoba (ústní zkouška, 40 % hodnocení), písemná zkouška (30 % hodnocení)
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá blokově.
Poznámka k četnosti výuky: 12 hodin.
Přednášky jsou dostupné online a ze záznamu.
Předmět je zařazen také v obdobích podzim 2022, podzim 2023.