Module also offered within study programmes:
General information:
Name:
Econometrics
Course of study:
2017/2018
Code:
ZIE-1-402-n
Faculty of:
Management
Study level:
First-cycle studies
Specialty:
-
Field of study:
Information Technology and Econometrics
Semester:
4
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Responsible teacher:
Gurgul Henryk (gurgul@zarz.agh.edu.pl)
Academic teachers:
Lach Łukasz (llach@zarz.agh.edu.pl)
Zając Paweł (pzajac@zarz.agh.edu.pl)
Gurgul Henryk (gurgul@zarz.agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 wykorzystuje źródła informacji w celu doskonalenia wiedzy i umiejętności IE1A_K07 Activity during classes,
Examination,
Test,
Project
Skills
M_U001 wykorzystuje podstawowe techniki estymacji i weryfikacji jednorównaniowego modelu ekonometrycznego IE1A_U07, IE1A_U08, IE1A_U05 Activity during classes,
Examination,
Test,
Project
M_U002 umie stosować narzędzia ekonometryczne do opisu i analizy problemów ekonomicznych IE1A_U07, IE1A_U08, IE1A_U05 Activity during classes,
Examination,
Test,
Project
M_U003 estymuje i weryfikuje wybrane modele wielorównaniowe IE1A_U07, IE1A_U08, IE1A_U05 Activity during classes,
Examination,
Test,
Project
M_U004 wybiera optymalny zbiór zmiennych objaśniających w modelu jednorównaniowym IE1A_U07, IE1A_U08, IE1A_U05 Activity during classes,
Examination,
Test,
Project
Knowledge
M_W001 zna podstawowe pojęcia z zakresu opisu i analizy szeregów czasowych IE1A_W13 Examination
M_W002 opisuje metody estymacji i narzędzia służące weryfikacji jednorównaniowych modeli ekonometrycznych IE1A_W22, IE1A_W13 Examination
M_W003 potrafi dobrać właściwe ekonometryczne procedury do analizy teoretycznych zależności ekonomicznych i społecznych IE1A_W22, IE1A_W13 Examination
M_W004 klasyfikuje zmienne i modele ekonometryczne IE1A_W13 Examination
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 wykorzystuje źródła informacji w celu doskonalenia wiedzy i umiejętności - + + - - - - - - - -
Skills
M_U001 wykorzystuje podstawowe techniki estymacji i weryfikacji jednorównaniowego modelu ekonometrycznego + + + - - - - - - - -
M_U002 umie stosować narzędzia ekonometryczne do opisu i analizy problemów ekonomicznych + + + - - - - - - - -
M_U003 estymuje i weryfikuje wybrane modele wielorównaniowe - - + - - - - - - - -
M_U004 wybiera optymalny zbiór zmiennych objaśniających w modelu jednorównaniowym + + + - - - - - - - -
Knowledge
M_W001 zna podstawowe pojęcia z zakresu opisu i analizy szeregów czasowych + - - - - - - - - - -
M_W002 opisuje metody estymacji i narzędzia służące weryfikacji jednorównaniowych modeli ekonometrycznych + - - - - - - - - - -
M_W003 potrafi dobrać właściwe ekonometryczne procedury do analizy teoretycznych zależności ekonomicznych i społecznych + - - - - - - - - - -
M_W004 klasyfikuje zmienne i modele ekonometryczne + - - - - - - - - - -
Module content
Lectures:

1. Model ekonometryczny; klasyfikacja zmiennych; klasyfikacja modeli; zapis modelu ekonometrycznego; etapy budowy modelu ekonometrycznego; model jednorównaniowy – M_W001.
2. Dobór zmiennych objaśniających metodą Hellwiga; założenia klasycznej MNK; estymacja (punktowa i przedziałowa) parametrów modelu – M_W002.
3. Własności estymatora metody najmniejszych kwadratów; miary dopasowania; R2 – M_W002.
4. Nieliniowy model ekonometryczny; modele ze zmiennymi zerojedynkowymi; weryfikacja modelu ekonometrycznego; koincydencja; kataliza i współliniowość zmiennych – M_W002.
5. Istotność zmiennych (testy t i F); liniowość modelu; losowość reszt – M_W002.
6. Autokorelacja składnika losowego (test Durbina–Watsona); heteroskedastyczność składnika losowego (test White’a) – M_W002.
7. Zasady prognozowania ekonometrycznego; założenia i reguły prognozowania, prognoza nieobciążona za pomocą modelu jednorównaniowego; prognozy ex ante oraz ex post; błędy prognozy – M_W002.
8. Ugólniony model regresji liniowej; równania liniowe względem parametrów; równania nieliniowe – M_W002.
9. Modele wielorównaniowe: klasyfikacja; identyfikowalność – M_W001, M_W002.
10. Zastosowania regresji liniowej i nieliniowej w analizie i prognozowaniu zjawisk ekonomicznych; funkcje produkcji; rodzaje i własności – M_W004.
11. Podstawy modelowania input-output; modele IO statyczne i dynamiczne- M_W004.
12. Wstęp do prognozowania na podstawie szeregów czasowych; stacjonarność szeregów czasowych; testy pierwiastka jednostkowego- M_W003.
13. Zjawisko regresji pozornej; kointegracja; niestacjonarność względem średniej i wariancji- M_W003.
14. Sposoby usuwania niestacjonarności; transformacje Boxa-Coxa- M_W003.

Auditorium classes:

1. dobór zmiennych w modelu ekonometrycznym metodą Hellwiga; estymacja parametrów modelu jednorównaniowego za pomocą MNK – M_U001.
2. ocena błędów szacunku parametrów i obliczanie współczynnika determinacji dla różnych postaci modelu liniowego; badanie efektu katalizy – M_U002.
3. badanie liniowości modelu ekonometrycznego, badanie normalności rozkładu składnika losowego, testy istotności parametrów – M_U002.
4. zjawisko autokorelacji składnika losowego (w tym test Durbina-Watsona, test mnożnika Lagrange’a i metoda Cochrane’a-Orcutta); zjawisko heteroskedastyczności składnika losowego – M_U002.
5. weryfikacja stabilności modelu ekonometrycznego (w tym test Ramseya i Chowa); kryteria informacyjne (AIC, BIC, FPE, HQ), prognozowanie w modelach ekonometrycznych (w tym ocena „ex ante” i „ex post” prognozy punktowej i prognoza przedziałowa) – M_U002.
6. nieliniowe modele ekonometryczne (w tym statyczne i dynamiczne funkcje produkcji, zagadnienie linearyzacji, obliczanie i interpretacja elastyczności cząstkowych) – M_U002, M_U004.
7. podstawy analizy szeregów czasowych (w tym modele z rozkładem opóźnień, modele autoregresji, model Koycka, badanie stacjonarności testami pierwiastka jednostkowego, zjawisko regresji pozornej i zagadnienie kointegracji) – M_U002.
8. tablice przepływów międzygałęziowych (w tym model Leontiefa) – M_U004, M_K001.

Laboratory classes:

1. dobór zmiennych w modelu ekonometrycznym metodą Hellwiga; estymacja parametrów modelu jednorównaniowego za pomocą MNK – M_U001.
2. ocena błędów szacunku parametrów i obliczanie współczynnika determinacji dla różnych postaci modelu liniowego; badanie efektu katalizy – M_U002.
3. badanie liniowości modelu ekonometrycznego, badanie normalności rozkładu składnika losowego, testy istotności parametrów – M_U002.
4. zjawisko autokorelacji składnika losowego (w tym test Durbina-Watsona, test mnożnika Lagrange’a i metoda Cochrane’a-Orcutta); zjawisko heteroskedastyczności składnika losowego – M_U002.
5. weryfikacja stabilności modelu ekonometrycznego (w tym test Ramseya i Chowa); kryteria informacyjne (AIC, BIC, FPE, HQ), prognozowanie w modelach ekonometrycznych (w tym ocena „ex ante” i „ex post” prognozy punktowej i prognoza przedziałowa) – M_U002.
6. nieliniowe modele ekonometryczne (w tym statyczne i dynamiczne funkcje produkcji, zagadnienie linearyzacji, obliczanie i interpretacja elastyczności cząstkowych) – M_U002, M_U004.
7. podstawy analizy szeregów czasowych (w tym modele z rozkładem opóźnień, modele autoregresji, model Koycka, badanie stacjonarności testami pierwiastka jednostkowego, zjawisko regresji pozornej i zagadnienie kointegracji) – M_U002.
8. tablice przepływów międzygałęziowych (w tym model Leontiefa) – M_U004, M_K001.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 132 h
Module ECTS credits 5 ECTS
Participation in lectures 14 h
Participation in auditorium classes 8 h
Participation in project classes 14 h
Completion of a project 15 h
Examination or Final test 3 h
Realization of independently performed tasks 35 h
Preparation for classes 40 h
Contact hours 3 h
Additional information
Method of calculating the final grade:

Ocena końcowa obliczana jest według algorytmu: najpierw wyliczana jest ocena przedegzaminacyjna równa średniej arytmetycznej ocen z ćwiczeń i laboratorium; następnie obliczana jest ocena końcowa równa średniej arytmetycznej z ocen przedegzaminacyjnych oraz ocen z egzaminu pisemnego z wszystkich terminów. W przypadku gdy ocena z egzaminu jest wyższa od oceny przedegzaminacyjnej ocenę końcową zaokrągla się w górę, w przeciwnym przypadku ocenę końcową zaokrągla się w dół. Ocena z ćwiczeń to średnia arytmetyczna ocen z kartkówek (na początku zajęć) skorygowana o ilość punktów z aktywności na zajęciach. Ocena z laboratorium jest wystawiana na podstawie średniej ważonej ocen z projektu ekonometrycznego (waga 2) i kolokwium (waga 1) skorygowana o ilość punktów z aktywności na zajęciach. Do zaliczenia przedmiotu konieczne jest otrzymanie co najmniej dostatecznej oceny (3,0) zarówno z ćwiczeń, laboratorium jak i egzaminu pisemnego. Do egzaminu pisemnego można podejść dopiero po zaliczeniu ćwiczeń audytoryjnych i projektowych.

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 ćwiczeń audytoryjnych ma formę pojedynczego kolokwium zaliczeniowego zaś zaliczenie ćwiczeń projektowych wymaga zaliczenia kolokwium poprawkowego oraz projektu ekonometrycznego.

Prerequisites and additional requirements:

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

Recommended literature and teaching resources:

1. Maddala, G.S. Ekonometria, PWN, Warszawa 2006.
2. Gurgul, H. Analiza zdarzeń na rynkach akcji, WoltersKluwer, Warszawa 2006.
3. Gurgul, H. Modele input-output w warunkach niepełnej informacji, wyd. AGH 1998.
4. Goryl, A., Jędrzejczak, Z., Kukuła, K., Osiewalski, J., Walkosz, A. Wprowadzenie do ekonometrii w przykładach i zadaniach, PWN, Warszawa 1996.

Scientific publications of module course instructors related to the topic of the module:

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.

Additional information:

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