MPE_EKON Ekonometrie

Ekonomicko-správní fakulta
jaro 2024
Rozsah
2/2/0. 12 kr. Ukončení: zk.
Vyučující
doc. Ing. Daniel Němec, Ph.D. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (přednášející)
Mgr. Jakub Chalmovianský, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (pomocník)
Garance
doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Mgr. Jarmila Šveňhová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta
Rozvrh
St 10:00–11:50 P106, kromě St 3. 4.
  • Rozvrh seminárních/paralelních skupin:
MPE_EKON/01: St 14:00–15:50 VT204, kromě St 3. 4., D. Němec
MPE_EKON/02: St 12:00–13:50 VT204, kromě St 3. 4., J. Chalmovianský
Předpoklady
(! MPE_ECNM Econometrics )&&(! MPE_AECM Econometrics )&&(!NOWANY( MPE_ECNM Econometrics , MPE_AECM Econometrics ))
základy maticové algebry, základy pravděpodobnosti a matematické statistiky, doporučeno absolvování předmětu Základy ekonometrie (BPE_ZAEK)
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 10 mateřských oborů, zobrazit
Cíle předmětu
Kurz v úvodu shrnuje poznatky základů ekonometrie (kurz „Základy ekonometrie“), které následně prohlubuje a rozšiřuje na mnohem pokročilejší úroveň, a to jak s ohledem na teorii ekonometrie, tak i na komplexnost analyzovaných modelů a technik. Pokročilejší ekonometrická témata zahrnují odhady s využitím instrumentálních proměnných, odhady metodou maximální věrohodnosti, GMM atd.
Výstupy z učení
Kurz je koncipován způsobem, aby poskytl studentům zkušenosti s využíváním základních i pokročilejších 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 ekonometrické teorie.
Osnova
  • 1. Úvod do lineární regrese – normální lineární regresní model, metoda nejmenších čtverců, testování hypotéz, interpretace a porovnání regresních modelů;
  • 2. Heteroskedasticita a autokorelace – příčiny, důsledky, testování a řešení;
  • 3. Další odhadové nástroje a techniky – metoda instrumentálních proměnných, GMM, metoda maximální věrohodnosti (principy a příklady použití), specifikační testy;
  • 4. Modely panelových dat – základní principy a varianty, metody odhadu;
  • 5. Modely diskrétní volby – modely probit, logit, tobit a jejich varianty (principy, využití a interpretace výsledků odhadů);
  • 6. Modely simultánních rovnic - strukturální a redukovaný tvar, 2SLS, 3SLS, LIML, FIML;
Literatura
    povinná literatura
  • HEIJ, Christiaan. Econometric methods with applications in business and economics. 1st ed. Oxford: Oxford University Press, 2004, xxv, 787. ISBN 9780199268016. info
  • HANSEN, Bruce E. Econometrics. Princeton, New Jersey: Princeton University Press, 2022, xxxi, 1044. ISBN 9780691235899. info
    doporučená literatura
  • BALTAGI, Badi H. Econometric analysis of panel data. Sixth edition. Cham: Springer, 2021, xx, 424. ISBN 9783030539528. info
  • GREENE, William H. Econometric analysis. Eighth edition. Harlow, England: Pearson, 2020, 1166 stran. ISBN 9781292231136. info
  • HEISS, Florian. Using R for introductory econometrics. 2nd edition. Düsseldorf: Florian Heiss, 2020, 368 stran. ISBN 9788648424364. 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 a aktivita v semestru (50 % hodnocení), ústní zkouška (50 % hodnocení); podrobnosti k ukončení předmětu pro studenty vyjíždějící do zahraničí jsou obsaženy v Organizačních pokynech (viz studijní materiály v ISu)
Navazující předměty
Další komentáře
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích jaro 2010, jaro 2011, jaro 2012, jaro 2013, jaro 2014, jaro 2015, jaro 2016, jaro 2017, jaro 2018, jaro 2019, jaro 2020, jaro 2021, jaro 2022, jaro 2023, jaro 2025.