Informace o předmětu

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.
Vyučováno kontaktně

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (pomocník)
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 14:00–15:50 P106, kromě St 18. 9., kromě St 6. 11.

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 10:00–11:50 VT204, kromě St 18. 9., kromě St 6. 11., D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s R, Matlabem či podobným výpočetním nástroje) mohou být výhodou (doporučuji např. souběžné zapsání volitelného kurzu MPE_ZMAT Základy MATLABu, na který navazuje v jarním semestru MPE_MATL Matlab, kde získáte obecněji využitelné základy programování).

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Jiné omezení: Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.

Výstupy z učení

Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v efektivním používání různých programovacích nástrojů.

Osnova

• Bayesovský přístup k ekonometrii a statistice
• Bayesovo pravidlo (tvorba bayesovských modelů pro jevy a náhodné veličiny)
• Beta-Binomický Bayesovský model
• Principy Bayesiánské analýzy (vyrovnanost datové a apriorní informace, sekvenčnost v Baysiánské analýze)
• Kojugované apriorní hustoty
• Aproximace aposteriorní hustoty
• Markov Chain Monte Carlo metody
• Aposteriorní analýza a predikce
• Jednoduchý normální lineární regresní model
• Hodnocení kvality regresních modelů
• Rozšíření normálního regresního modelu
• Poissonův a negativní binomický regresní model
• Logistická regrese
• Naivní Bayesovká klasifikace
• Hierarchické Bayesiánské modely

Literatura

povinná literatura
• JOHNSON, Alicia A., Miles Q. OTT a Mine DOGUCU. Bayes rules! : an introduction to applied Bayesian modeling. First edition. Boca Raton: CRC Press/Taylor & Francis Group, 2022, xxi, 521. ISBN 9780367255398. info
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• LAMBERT, Ben. A student's guide to Bayesian statistics. First published. Los Angeles: Sage, 2018, xx, 498. ISBN 9781473916364. info

doporučená literatura
• MCELREATH, Richard. Statistical rethinking : a Bayesian course with examples in R and Stan. Second edition. Boca Raton: CRC Press/Taylor & Francis Group, 2020, xvii, 593. ISBN 9780367139919. info
• KRUSCHKE, John K. Doing Bayesian data analysis : a tutorial with R, JAGS and Stan. Edition 2. Amsterdam: Elsevier, 2015, xii, 759. ISBN 9780124058880. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

aktivita na semináři a dva semestrální domácí úkoly (50 % závěrečného hodnocení), závěrečný (skupinový) projekt a ústní zkouška v podobě obhajoby projektu (50 % závěrečného hodnocení); podrobnosti k ukončení předmětu pro studenty vyjíždějící do zahraničí jsou obsaženy v Organizačních pokynech (viz studijní materiály v ISu)

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (pomocník)
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 14:00–15:50 P106, kromě St 20. 9., kromě St 8. 11.

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 10:00–11:50 VT204, kromě St 20. 9., kromě St 8. 11., D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu MPE_ZMAT Základy MATLABu, na který navazuje v jarním semstru MPE_MATL Matlab.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Jiné omezení: Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.

Výstupy z učení

Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• LAMBERT, Ben. A student's guide to Bayesian statistics. First published. Los Angeles: Sage, 2018, xx, 498. ISBN 9781473916364. info
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info

doporučená literatura
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• KRUSCHKE, John K. Doing Bayesian data analysis : a tutorial with R, JAGS and Stan. Edition 2. Amsterdam: Elsevier, 2015, xii, 759. ISBN 9780124058880. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

aktivita na semináři a dva semestrální domácí úkoly (50 % závěrečného hodnocení), závěrečný (skupinový) projekt a ústní zkouška v podobě obhajoby projektu (50 % závěrečného hodnocení); podrobnosti k ukončení předmětu pro studenty vyjíždějící do zahraničí jsou obsaženy v Organizačních pokynech (viz studijní materiály v ISu)

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (pomocník)
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 14:00–15:50 P106, kromě St 14. 9., kromě St 2. 11.

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 10:00–11:50 VT204, kromě St 14. 9., kromě St 2. 11., D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu MPE_ZMAT Základy MATLABu, na který navazuje v jarním semstru MPE_MATL Matlab.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Jiné omezení: Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.

Výstupy z učení

Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• LAMBERT, Ben. A student's guide to Bayesian statistics. First published. Los Angeles: Sage, 2018, xx, 498. ISBN 9781473916364. info
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info

doporučená literatura
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• KRUSCHKE, John K. Doing Bayesian data analysis : a tutorial with R, JAGS and Stan. Edition 2. Amsterdam: Elsevier, 2015, xii, 759. ISBN 9780124058880. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 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 14:00–15:50 P106, kromě St 15. 9., kromě St 3. 11.

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 10:00–11:50 VT204, kromě St 15. 9., kromě St 3. 11., D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu MPE_ZMAT Základy MATLABu, na který navazuje v jarním semstru MPE_MATL Matlab.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Jiné omezení: Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.

Výstupy z učení

Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info

doporučená literatura
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (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 14:00–15:50 P106

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 10:00–11:50 VT204, J. Chalmovianský, D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Jiné omezení: Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.

Výstupy z učení

Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info

doporučená literatura
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (pomocník)
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 14:00–15:50 P106

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 10:00–11:50 VT204, D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Jiné omezení: Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.

Výstupy z učení

Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info

doporučená literatura
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (cvičící)

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 14:00–15:50 P106

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/T01: Čt 20. 9. až Čt 13. 12. Čt 11:00–12:50 117, J. Chalmovianský, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
MPE_BAAN/01: Čt 10:00–11:50 VT204, D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Ekonomie (program ESF, N-MA)
• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

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

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: Čt 11:05–12:35 VT204, D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Ekonomie (program ESF, N-MA)
• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

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

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: Út 18:00–19:35 VT204, D. Němec
MPE_BAAN/02: St 9:20–11:00 VT203, D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Ekonomie (program ESF, N-MA)
• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

MPE_BAAN Bayesiánská analýza

Rozsah

2/1/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Lydie Pravdová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta

Rozvrh

Út 16:20–17:55 VT204

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: Út 18:00–19:35 VT204, D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Ekonomie (program ESF, N-MA)
• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

MPE_BAAN Bayesiánská analýza

Rozsah

2/1/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Lydie Pravdová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta

Rozvrh

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 9:20–11:00 VT203, D. Němec

Předpoklady

! PMREGR Regresní analýza
základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Ekonomie (program ESF, N-MA)
• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

MPE_BAAN Bayesiánská analýza

Rozsah

2/1/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Lydie Pravdová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta

Rozvrh

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 9:20–11:00 VT203, D. Němec

Předpoklady

! PMREGR Regresní analýza
základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Ekonomie (program ESF, N-MA)
• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

MPE_BAAN Bayesiánská analýza

Rozsah

2/1/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Lydie Pravdová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta

Rozvrh

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 9:20–11:00 VT203, D. Němec

Předpoklady

! PMREGR Regresní analýza
základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Ekonomie (program ESF, N-MA)
• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Další komentáře

Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

MPE_BAAN Bayesiánská analýza

Rozsah

2/1/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Lydie Pravdová

Rozvrh

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 9:20–11:00 VT203, D. Němec

Předpoklady

! PMREGR Regresní analýza
základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Využitý software (nejen) pro cvičení/Software (not only for the course in and of itself)
Základní programové prostředí/Programming language: Matlab 2007 (a vyšší/and newer)
Toolboxy/Toolboxes Econometric toolbox – http://www.spatial-econometrics.com
BACC 2003 – Bayesian Analysis, Computation and Communication software – knihovny nástrojů bayesovské analýzy pro Matlab,http://www2.cirano.qc.ca/~bacc/bacc2003/index.html
WinBUGS – Bayesian inference Using Gibbs Sampling – nástroj bayesovské analýzy s možností implementace přes Matlab, http://www.mrc-bsu.cam.ac.uk/bugs/

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

MPE_BAAN Bayesiánská analýza

Rozsah

2/1/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Lydie Pravdová

Rozvrh

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/01: St 9:20–11:00 VT203, D. Němec

Předpoklady

! PMREGR Regresní analýza
základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se systémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

povinná literatura
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info

neurčeno
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Využitý software (nejen) pro cvičení/Software (not only for the course in and of itself)
Základní programové prostředí/Programming language: Matlab 2007 (a vyšší/and newer)
Toolboxy/Toolboxes Econometric toolbox – http://www.spatial-econometrics.com
BACC 2003 – Bayesian Analysis, Computation and Communication software – knihovny nástrojů bayesovské analýzy pro Matlab,http://www2.cirano.qc.ca/~bacc/bacc2003/index.html
WinBUGS – Bayesian inference Using Gibbs Sampling – nástroj bayesovské analýzy s možností implementace přes Matlab, http://www.mrc-bsu.cam.ac.uk/bugs/

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

MPE_BAAN Bayesiánská analýza

Rozsah

2/1/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
prof. Ing. Osvald Vašíček, CSc. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Lydie Pravdová

Rozvrh

Út 16:20–17:55 P303

• Rozvrh seminárních/paralelních skupin:

MPE_BAAN/1: St 9:20–11:00 VT203, D. Němec

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s Matlabem (či podobným výpočetním nástrojem) mohou být výhodou - doporučuji souběžné zapsání volitelného kurzu BPM_MATL Základy práce se sytémem MATLAB (zejména v případě nulových zkušeností)

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematické a statistické metody v ekonomii (program ESF, N-KME)
• Matematika - ekonomie (program PřF, N-AM)

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.
Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v používání Matlabu a jiných ekonometrických balíčků.

Osnova

• Principy a pojmy bayesovské ekonometrie.
• Normální lineární regresní model s přirozeně konjugovanou apriorní hustotou (věrohodnostní funkce, apriorní hustota, posteriorní hustota, porovnání modelů, předpověď, Monte Carlo integrace).
• Normální lineární regresní model s jinými apriorními hustotami (Gibbsův vzorkovač, MCMC diagnostiky, Savageho-Dickeyeho poměr hustot).
• Nelineární regresní model (Metropolis-Hastings algoritmus, metoda Gelfanda a Deye).
• Lineární regresní model s obecnou kovarianční maticí náhodných složek (autokorelace a heteroskedasticita náhodných složek, model zdánlivě nesouvisejících regresí).
• Modely panelových dat (souhrnný model, modely individuálních vlivů, model náhodných koeficientů, Chibova metoda, analýza efektivity a model stochastických hranic).
• Úvod do časových řad: Stavové modely.
• Modely kvalitativní nebo omezené vysvětlované proměnné (jednorozměrné a multinomiální modely probit, tobit a logit).
• Flexibilní modely (bayesovská neparametrická a semiparametrická regrese, "směšování" normálních modelů).
• Bayesovské průměrování modelů. Další vybrané modely, metody a otázky bayesovské ekonometrie.

Literatura

• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• KOOP, Gary, Dale J. POIRIER a Justin L. TOBIAS. Bayesian econometric methods. 1st ed. Cambridge: Cambridge University Press, 2007, xxi, 357. ISBN 9780521855716. info
• LANCASTER, Tony. An introduction to modern Bayesian econometrics. 1st ed. Malden: Blackwell, 2004, xiv, 401. ISBN 9781405117203. info
• POIRIER, Dale J. Intermediate statistics and econometrics : a comparative approach. Cambridge, Mass.: MIT Press, 1995, xiv, 715. ISBN 0262161494. info
• BAUWENS, Luc, Michel LUBRANO a Jean-François RICHARD. Bayesian inference in dynamic econometric models. Oxford: Oxford University Press, 1999, xv, 350. ISBN 0198773137. info
• GEWEKE, John. Contemporary Bayesian econometrics and statistics. Hoboken, N.J.: John Wiley & Sons, 2005, xi, 300. ISBN 0471679321. info
• ZELLNER, Arnold. An introduction to Bayesian inference in econometrics. New York: John Wiley & Sons, 1971, xv, 431. ISBN 0471169374. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

závěrečný (skupinový) projekt, ústní zkouška

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

Využitý software (nejen) pro cvičení/Software (not only for the course in and of itself)
Základní programové prostředí/Programming language: Matlab 2007 (a vyšší/and newer)
Toolboxy/Toolboxes Econometric toolbox – http://www.spatial-econometrics.com
BACC 2003 – Bayesian Analysis, Computation and Communication software – knihovny nástrojů bayesovské analýzy pro Matlab,http://www2.cirano.qc.ca/~bacc/bacc2003/index.html
WinBUGS – Bayesian inference Using Gibbs Sampling – nástroj bayesovské analýzy s možností implementace přes Matlab, http://www.mrc-bsu.cam.ac.uk/bugs/

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Předmět si nezapisují studenti, kteří absolvovali PMREGR.

• Statistika zápisu (nejnovější)