Sylabus predmetu ESA-M05 - Module 05: Introduction to Econometric Modeling (PEF - LS 2019/2020 - CV)


     ECTS sylabus          Sylabus          Rozvrh          


     Čeština          Angličtina          


Kód předmětu: ESA-M05
Název v jazyce výuky: Module 05: Introduction to Econometric Modeling
Název česky: Module 05: Introduction to Econometric Modeling
Název anglicky: Module 05: Introduction to Econometric Modeling
Způsob ukončení a počet kreditů: zkouška (1 kredit)
(1 ECTS kredit = 28 hodin studijní zátěže)
Forma výuky/Rozvrhovaná výuka: prezenční, 0/0 (počet hodin přednášek týdně / počet hodin cvičení týdně)
Jazyk výuky: angličtina
Typ studia: bakalářský; magisterský navazující; doktorský
Semestr: LS 2019/2020
Vyučující: doc. Ing. Václav Adamec, Ph.D. (garant)
Výchozí předměty: žádné
 
Zaměření předmětu:
-- obsah této položky nebyl definován --
 
Obsah předmětu:
1.Introduction to Econometrics. (dotace 2/0)
 
a.Econometrics as a science, creation and history.
b.Tools and methods of Econometrics.
c.Basic steps of econometric analysis.
d.Types of econometric data.

2.Regression and correlation, as fundamental tools of econometric analysis. (dotace 2/0)
 
a.Principles of regression, regression model, linear and nonlinear models.
b.Ordinary Least Squares method (OLS), fits and residuals.
c.Model quality, sum of squares decomposition, R2 regular and adjusted, information criteria.
d.Correlation analysis, product-moment coefficient of correlation, rank-based correlation coefficient.

3.Statistical inference in regression and correlation. (dotace 3/0)
 
a.Tests of significance for regression coefficients (t-tests) and test of overall model significance (F-test). Analysis of Variance (ANOVA) table.
b.Confidence interval for regression coefficients.
c.Confidence interval or prediction interval for the model.
d.Testing significance of the coefficient of correlation.

4.Classical linear model assumptions (CLMA), Gauss Markov theorem. (dotace 3/0)
 
a.Classical assumptions, nature, violations, detection, consequence for the model, remedy.
b.Gauss-Markov theorem, properties of the OLS estimator under CLMA.
c.Diagnostic tests and diagrams.

5.Introduction to time series analysis. (dotace 2/0)
 
a.Time series data, properties, types. Stationarity and non-stationarity.
b.Seasonal time series decomposition, describing trend and seasonality. Methods of seasonal adjustment, Tramo-Seats. Quality of fit.
c.Models based on linear filters, Hodrick-Prescott.
d.Models of time series, spurious regression, causal models.

 
Výstupy předmětu:
-- obsah této položky nebyl definován --
Typ předmětu: volitelný
Ročník: Předmět může být studován libovolně v průběhu studia.
Pracovní stáže: Není vyžadována žádná povinná pracovní stáž.
Doporučené moduly studia: -
 
Aktivity a studijní zátěž (počet hodin studijní zátěže):
DruhPrezenční studium
Přímá výuka
     přednáška12 h
Samostudium
     příprava na zkoušku16 h
Celkem28 h
 
Požadavky na ukončení:
žádné
 
Literatura:
-- obsah této položky nebyl definován --


Poslední změnu provedl Ing. Jiří Gruber dne 3. 2. 2020.

Typ výstupu: