Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Ekonometria wielowymiarowa
Tok studiów:
2016/2017
Kod:
ZIE-2-302-s
Wydział:
Zarządzania
Poziom studiów:
Studia II stopnia
Specjalność:
-
Kierunek:
Informatyka i Ekonometria
Semestr:
3
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
Lach Łukasz (llach@zarz.agh.edu.pl)
Osoby prowadzące:
Lach Łukasz (llach@zarz.agh.edu.pl)
Zając Paweł (pzajac@zarz.agh.edu.pl)
Gurgul Henryk (gurgul@zarz.agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 zna metody analizy modeli wektorowej autoregresji IE2A_W03, IE2A_W05, IE2A_W04 Egzamin
M_W002 potrafi dobierać, budować i weryfikować modele panelowe IE2A_W03, IE2A_W05, IE2A_W04 Egzamin,
Kolokwium
Umiejętności
M_U001 potrafi weryfikować wektorowe modele korekty błędem oraz analizować związki przyczynowe w metodologii VECM IE2A_U05, IE2A_U11, IE2A_U01 Aktywność na zajęciach,
Egzamin,
Kolokwium
M_U002 potrafi weryfikować modele wektorowej autoregresji oraz analizować związki przyczynowe w metodologii VAR IE2A_U05, IE2A_U11, IE2A_U01 Aktywność na zajęciach,
Egzamin,
Kolokwium
M_U003 potrafi opisać podstawowe własności algebraicznej struktury modeli wektorowej autoregresji IE2A_U05, IE2A_U11, IE2A_U01 Egzamin,
Kolokwium
Kompetencje społeczne
M_K001 wykorzystuje źródła informacji w celu doskonalenia wiedzy i umiejętności IE2A_K07, IE2A_K01 Aktywność na zajęciach
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 zna metody analizy modeli wektorowej autoregresji + + - - - - - - - - -
M_W002 potrafi dobierać, budować i weryfikować modele panelowe + + - - - - - - - - -
Umiejętności
M_U001 potrafi weryfikować wektorowe modele korekty błędem oraz analizować związki przyczynowe w metodologii VECM + + + - - - - - - - -
M_U002 potrafi weryfikować modele wektorowej autoregresji oraz analizować związki przyczynowe w metodologii VAR + + + - - - - - - - -
M_U003 potrafi opisać podstawowe własności algebraicznej struktury modeli wektorowej autoregresji + + + - - - - - - - -
Kompetencje społeczne
M_K001 wykorzystuje źródła informacji w celu doskonalenia wiedzy i umiejętności + - - - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Modele o efektach ustalonych i losowych; estymacja za pomocą GLS i MLE; predykcja; przykładowe zastosowania.
2. Testowanie hipotez dla danych panelowych – testowanie stosowalności POLS, testowanie efektów indywidualnych i czasowych, test specyfikacyjny Hausmana.
3. Modele panelowe dla danych niestacjonarnych; testy pierwiastka jednostkowego; panelowa regresja pozorna; testowanie i estymacja panelowej kointegracji.
4. Metody estymacji procesów wektorowej autoregresji; predykcja i testowanie przyczynowości; analiza odpowiedzi na impuls; dekompozycja wariancji.
5. Weryfikacja modeli wektorowej autoregresji; wybór opóźnienia; testowanie hipotez dotyczących składnika losowego.
6. Metody estymacji modeli wektorowej korekty błędem; prognozowanie i testowanie przyczynowości.
7. Specyfikacja modeli wektorowej korekty błędem; wybór opóźnienia; testowanie rzędu kointegracji; testowanie hipotez dotyczących składnika losowego.
8. Analiza zmiennych zintegrowanych w różnych stopniach; test Tody-Yamamoto.

Ćwiczenia audytoryjne:

1. Estymacja modeli panelowych z ustalonymi i losowymi efektami.
2. Weryfikacja modeli panelowych.
3. Metody estymacji procesów wektorowej autoregresji.
4. Weryfikacja modeli wektorowej autoregresji.
5. Estymacja modeli wektorowej korekty błędem.
6. Specyfikacja modeli wektorowej korekty błędem.
7. Analiza zmiennych zintegrowanych w różnych stopniach.

Ćwiczenia laboratoryjne:

1. Estymacja modeli panelowych z ustalonymi i losowymi efektami; uzyskiwanie i interpretacja prognoz.
2. Weryfikacja modeli panelowych – testowanie stosowalności POLS, testowanie efektów indywidualnych i czasowych, test specyfikacyjny Hausmana; testowanie heteroskedastyczności i autokorelacji.
3. Estymacja modeli panelowych dla danych niestacjonarnych; panelowe testy pierwiastka jednostkowego; panelowa regresja pozorna; testowanie i estymacja panelowej kointegracji.
4. Metody estymacji procesów wektorowej autoregresji; predykcja i testowanie przyczynowości; analiza odpowiedzi na impuls; dekompozycja wariancji.
5. Weryfikacja modeli wektorowej autoregresji; wybór opóźnienia; testowanie hipotez dotyczących składnika losowego.
6. Estymacja modeli wektorowej korekty błędem; prognozowanie i testowanie przyczynowości.
7. Specyfikacja modeli wektorowej korekty błędem; wybór opóźnienia; testowanie rzędu kointegracji; testowanie hipotez dotyczących składnika losowego.
8. Analiza zmiennych zintegrowanych w różnych stopniach; zastosowania testu Tody-Yamamoto.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 132 godz
Punkty ECTS za moduł 5 ECTS
Udział w wykładach 28 godz
Udział w ćwiczeniach projektowych 14 godz
Przygotowanie do zajęć 35 godz
Samodzielne studiowanie tematyki zajęć 35 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Udział w ćwiczeniach audytoryjnych 14 godz
Dodatkowe godziny kontaktowe z nauczycielem 4 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa obliczana jest jako średnia ważona ocen z ćwiczeń audytoryjnych, ćwiczeń projektowych i egzaminu pisemnego (z wagami wynoszącymi odpowiednio 1, 1 i 2) z wszystkich terminów. Do egzaminu pisemnego można podejść dopiero po uzyskaniu zaliczenia z ćwiczeń i laboratorium. Ocena z ćwiczeń audytoryjnych i zajęć projektowych jest wystawiana na podstawie kolokwium zaliczeniowego i jest skorygowana o liczbę punktów z aktywności na zajęciach. Do zaliczenia przedmiotu konieczne jest otrzymanie co najmniej dostatecznej oceny (3,0) zarówno z zajęć projektowych, ćwiczeń audytoryjnych jak i egzaminu pisemnego.

W przypadku nieuzyskania zaliczenia w terminie podstawowym student ma prawo do dwukrotnego zaliczania ćwiczeń audytoryjnych oraz ćwiczeń projektowych w terminach poprawkowych ustalonych przez prowadzącego ćwiczenia. Na każdym z terminów poprawkowych zaliczenie poprawkowe ma formę pojedynczego kolokwium zaliczeniowego.

Wymagania wstępne i dodatkowe:

Wiedza z podstaw ekonometrii, algebry liniowej, rachunku różniczkowego i całkowego oraz statystyki opisowej, rachunku prawdopodobieństwa i statystyki matematycznej.

Zalecana literatura i pomoce naukowe:

1. Baltagi, B. H. Econometric Analysis of Panel Data, John Wiley & Sons, Canada, 2005.
2. Lütkepohl, H. New introduction to multiple time series analysis, Springer, Berlin, 2005.
3. Maddala, G.S. Ekonometria, PWN, Warszawa, 2006.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Gurgul H., Lach Ł., 2015, Key sectors in the post-communist CEE economies: What does the transition data say? Communist and Post-Communist Studies 48(1): 15-32.
2. Lach Ł., 2015, Oil usage, gas consumption and economic growth: Evidence from Poland, Energy Sources, Part B: Economics, Planning, and Policy 10(3): 223-232.
3. Gurgul H., Lach Ł., 2014, Globalization and economic growth: Evidence from two decades
of transition in CEE, Economic Modelling 36: 99-107.
4. Gurgul H., Lach Ł., 2013, Political instability and economic growth: Evidence from two decades of transition in CEE, Communist and Post-Communist Studies 46(2): 189-202.
5. Gurgul H., Lach Ł., 2012, Financial Development and Economic Growth in Poland in Transition: Causality Analysis, Czech Journal of Economics and Finance 62(4): 347-367.
6. Gurgul H., Lach Ł., 2012, The electricity consumption versus economic growth of the Polish economy, Energy Economics 34(2): 500–510.
7. Gurgul H., Lach Ł., Mestel R., 2012, The relationship between budgetary expenditure and economic growth in Poland, Central European Journal of Operations Research 20: 161–182.
8. Gurgul H., Lach Ł., 2012, The association between stock market and exchange rates for advanced and emerging markets – A case study of the Swiss and Polish economies, Betriebswirtschaftliche Forschung und Praxis 64(2): 190-212.
9. Gurgul H., Lach Ł., 2011, The role of coal consumption in the economic growth of the Polish economy in transition, Energy Policy 39: 2088–2099.
10. Gurgul H., Lach Ł., 2010, The causal link between Polish stock market and key macroeconomic aggregates, Betriebswirtschaftliche Forschung und Praxis 4: 367–383.

Informacje dodatkowe:

Obecność na wykładzie nie jest obowiązkowa. Student ma do dyspozycji 28h konsultacji w ciągu semestru. Jednym z celów konsultacji jest umożliwienie studentom lepszego zrozumienia treści wykładów i ćwiczeń w przypadku gdy napotykają na trudności w samodzielnym studiowaniu wyłożonego materiału.

Obecność na ćwiczeniach audytoryjnych i projektowych jest obowiązkowa. Tryb wyrównania zaległości powstałych wskutek nieobecności studenta na zajęciach ustala prowadzący zajęcia, uwzględniając specyfikę oraz wielkość powstałych zaległości. Wyrównywaniu zaległości służą konsultacje oraz godziny kontaktowe prowadzącego.