Module also offered within study programmes:
General information:
Name:
Multivariate Econometrics
Course of study:
2017/2018
Code:
ZIE-2-302-s
Faculty of:
Management
Study level:
Second-cycle studies
Specialty:
-
Field of study:
Information Technology and Econometrics
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
Lach Łukasz (llach@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

Moduł ma na celu zapoznanie studenta z tematyką budowy i zastosowań modeli panelowych. Po opanowaniu treści modułu student będzie potrafił estymować, weryfikować i interpretować modele panelowe.

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 IE2A_K07, IE2A_K01 Activity during classes
Skills
M_U001 potrafi estymować modele panelowe efektów ustalonych i losowych IE2A_U11, IE2A_U05, IE2A_U01 Activity during classes,
Examination,
Test
M_U002 potrafi weryfikować modele panelowe efektów ustalonych i losowych IE2A_U11, IE2A_U05, IE2A_U01 Activity during classes,
Examination,
Test
M_U003 potrafi estymować modele panelowe w przypadku odstępstw od założeń klasycznych IE2A_U11, IE2A_U05, IE2A_U01 Examination,
Test
Knowledge
M_W001 wymienia i opisuje podstawowe typy modeli panelowych IE2A_W05, IE2A_W03, IE2A_W04 Examination
M_W002 potrafi wymienić i dobrać metody budowy i weryfikacji modeli panelowych IE2A_W05, IE2A_W03, IE2A_W04 Examination,
Test
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 potrafi estymować modele panelowe efektów ustalonych i losowych + + - + - - - - - - -
M_U002 potrafi weryfikować modele panelowe efektów ustalonych i losowych + + - + - - - - - - -
M_U003 potrafi estymować modele panelowe w przypadku odstępstw od założeń klasycznych + + - + - - - - - - -
Knowledge
M_W001 wymienia i opisuje podstawowe typy modeli panelowych + + - + - - - - - - -
M_W002 potrafi wymienić i dobrać metody budowy i weryfikacji modeli panelowych + + - + - - - - - - -
Module content
Lectures:

1. Dane panelowe, liniowy model panelowy, model regresji łącznej, model o efektach ustalonych.
2. Model z efektami losowymi, estymacja za pomocą GLS i MLE; predykcja; przykładowe zastosowania.
3. Testowanie hipotez dla danych panelowych – testowanie stosowalności POLS, testowanie efektów indywidualnych i czasowych.
4. Test specyfikacyjny Hausmana. Odstępstwa od klasycznych założeń w modelu panelowym, ważona MNK, technika PCSE.
5. Modele panelowe z autokorelacją, przekształcenie Praisa-Winstena.
6. Estymator Hausmana-Taylora, model Swamy’ego.
7. Modele panelowe dla danych niestacjonarnych; testy pierwiastka jednostkowego.
8. Panelowa regresja pozorna; testowanie i estymacja panelowej kointegracji.

Auditorium classes:

1. Własności danych panelowych.
2. Estymacja liniowego modelu panelowego: model regresji łącznej, model o efektach ustalonych.
2. Wyznaczanie parametrów modelu z efektami losowymi.
2. Testowanie hipotez dla danych panelowych – testowanie stosowalności POLS, testowanie efektów indywidualnych i czasowych.
3. Test specyfikacyjny Hausmana.
4. Odstępstwa od klasycznych założeń w modelu panelowym, ważona MNK.
5. Modele panelowe z autokorelacją, przekształcenie Praisa-Winstena.

Project classes:

1. Dane panelowe, liniowy model panelowy, model regresji łącznej, model o efektach ustalonych.
2. Model z efektami losowymi, estymacja za pomocą GLS i MLE; predykcja; przykładowe zastosowania.
3. Testowanie hipotez dla danych panelowych – testowanie stosowalności POLS, testowanie efektów indywidualnych i czasowych.
4. Test specyfikacyjny Hausmana. Odstępstwa od klasycznych założeń w modelu panelowym, ważona MNK.
5. Modele panelowe z autokorelacją, przekształcenie Praisa-Winstena.
6. Estymator Hausmana-Taylora.
7. Modele panelowe dla danych niestacjonarnych; testy pierwiastka jednostkowego.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 75 h
Module ECTS credits 3 ECTS
Participation in lectures 15 h
Participation in project classes 15 h
Preparation for classes 28 h
Examination or Final test 2 h
Participation in auditorium classes 15 h
Additional information
Method of calculating the final grade:

Ocena końcowa to średnia ważona z pozytywnych ocen z: egzaminu (50%), z zaliczenia ćwiczeń audytoryjnych (25%), z zaliczenia ćwiczeń projektowych (25%). Ocena z egzaminu to wynik pracy pisemnej złożonej z 4-5 zadań otwartych uzyskany w pierwszym terminie. Ocena z egzaminu, w przypadku otrzymania oceny negatywnej w pierwszym i kolejnym terminie, jest wyliczana jako średnia arytmetyczna dotychczas uzyskanych ocen z egzaminu. Ocena z zaliczenia ćwiczeń audytoryjnych to ocena uzyskana z kolokwium przeprowadzonego w trakcie zajęć, ewentualnie skorygowana o 0.5 stopnia w górę w przypadku aktywności za zajęciach. Ocena z zaliczenia ćwiczeń projektowych to ocena z przygotowanego i obronionego projektu ekonometrycznego.

Prerequisites and additional requirements:

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

Recommended literature and teaching resources:

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.
4. Wooldridge, J. Econometric Analysis of Cross Section and Panel Data, MIT Press, 2002.
5. Hsiao, C. Analysis of Panel Data, Cambridge University Press, 2014.
6. Arellano, M. Panel Data Econometrics, Oxford University Press, 2003.

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 30h 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.