Nazwa przedmiotu: MODELOWANIE EKONOMETRYCZNE Jednostka prowadząca:

(1)

Uczelnia Łazarskiego Syllabus

Nazwa przedmiotu: MODELOWANIE EKONOMETRYCZNE

Jednostka prowadząca: Wydział Ekonomii, Katedra Metod Ilościowych Koordynator przedmiotu: dr LUCJAN KOWALSKI,

analiza wypukła, metody probabilistyczne, 33 letnie doświadczenie w pracy naukowo- dydaktycznej, autor kilkunastu prac naukowych i kilku podręczników akademickich.

lutek@rezolwenta.eu.org, lutek@mimuw.edu.pl

Prowadzący zajęcia:

dr inż. PAWEŁ NAJECHALSKI

analiza statystyczna i prognozowanie, 12 letnie doświadczenie w pracy naukowo- dydaktycznej. Prodziekan, opiekun Studenckiego Koła Naukowego Metod Ilościowych.

pawel.najechalski@lazarski.pl

Jednostka dla której przedmiot jest oferowany: Wydział Ekonomii Rok akademicki, semestr: 2011/12, zimowy

Tryb studiów: niestacjonarne Rygor: egzamin

Formy zajęć: wykład, warsztaty komputerowe

Punkty ECTS: ...

EFEKTY KSZTAŁCENIA

W wyniku realizacji przedmiotu student powinien umieć:

 konstruować oraz oceniać modele opisujące zjawiska ekonomiczne;

 dobierać zmienne do modelu;

 prognozować na podstawie modelu ekonometrycznego i oceniać błędy prognoz;

 korzystać z arkusza kalkulacyjnego do szacowania modeli;

 interpretować wyniki analiz modelowych; wykorzystywać metody ilościowe do opisu prawidłowości ekonomicznych;

 prognozować lub symulować prawidłowości ekonomiczne z zastosowaniem standardowego oprogramowania.

(2)

BEZPOŚREDNIE POWIĄZANIE PRZEDMIOTU Z INNYMI PRZEDMIOTAMI:

wymagane wiadomości z:

 Matematyki,

 Statystyki,

 Podstaw ekonometrii.

Znajomość działań na macierzach.

Znajomość pojęć i umiejętność wyznaczania charakterystyk oraz korelacji liniowej i liniowej funkcji regresji.

Znajomość wnioskowania statystycznego.

podbudowuje takie przedmioty jak:

 Przedmioty specjalistyczne,

TREŚĆ PROGRAMU I LITERATURA PODSTAWOWA:

Wykład Nr zajęć

Tematyka zajęć i literatura

1. Jednorównaniowy model liniowy z wieloma zmiennymi objaśniającymi,

Gawinecki J., Gawinecka A., Kowalski L. i inni „Ekonometria w zadaniach”, Elipsa, 2008, str. 13-41,

2. Własności estymatorów modelu liniowego,

Weryfikacja modelu liniowego,

Gawinecki J., Gawinecka A., Kowalski L. i inni „Ekonometria w zadaniach”, Elipsa, 2008, str. 42-57,

3. Ocena jakościowa jednorównaniowego modelu liniowego z wieloma zmiennymi objaśniającymi.

Gawinecki J., Gawinecka A., Kowalski L. i inni „Ekonometria w zadaniach”, Elipsa, 2008, str. 57-75,

Dobór zmiennych,

4 Informacja o nieliniowych modelach ekonometrycznych i o modelach wielorównaniowych,

Zasady budowania prognoz.

A.Zeliaś, B.Pawełek, S.Wanat, „Prognozowanie ekonomiczne”, PWN, Warszawa, 2003, str. 9-69,

5 Prognozowanie na podstawie modeli ekonometrycznych, jakość prognozy,

(3)

6 Prognozowanie na podstawie szeregów czasowych.

7 Prognozowanie na podstawie szeregów czasowych.

Gawinecki J., Gawinecka A., Kowalski L. i inni „Ekonometria w zadaniach”, Elipsa, 2008, str. 181-185

8 Modele z wahaniami sezonowymi. . Kointegracja.

A.Zeliaś, B.Pawełek, S.Wanat, „Prognozowanie ekonomiczne”, PWN, Warszawa, 2003, str. 148-152,

Podgórska M. i in., Ekonometria, OW SGH, Warszawa 1996, str. 190-193, Modelowanie i prognozowanie zmiennych jakościowych,

Warsztaty komputerowe Nr

zajęć

Tematyka zajęć i literatura

1.

2.

3.

4

LITERATURA DODATKOWA:

 A.Welfe, „Ekonometria. Modele i ich zastosowania”, PWE, Warszawa 1999,

 E. Nowak , Zarys metod ekonometrii. Zbiór zadań , PWN, Warszawa 2006

 B. Guzik, Podstawy ekonometrii, Wyd. AE w Poznaniu, Poznań 2008

 Osińska, M. „Ekonometria współczesna”, Toruń, 2007

 Ekonometria, red. M. Gruszczyński, M. Podgórska, Wyd. SGH, Warszawa 2003

(4)

METODY OCENY:

Zaliczenie konwersatorium komputerowego będzie przeprowadzone na podstawie wyników uzyskanych podczas prac kontrolnych.

Ocena egzaminacyjna będzie średnią ważoną oceny z ćwiczeń (20%), oceny z egzaminu połówkowego (30%) i oceny z egzaminu końcowego (50%) z uwzględnieniem aktywności na zajęciach.

ANGLOJĘZYCZNY SŁOWNICZEK GŁÓWNYCH POJĘĆ ZWIĄZANYCH Z PRZEDMIOTEM:

econometric model, explanatory variable, explained variable, regression model, linear model, nonlinear model,

least squares regression, unbiased estimator, heteroscedasticity

testing a hypothesis about a coefficient, confidence intervals for parameters, prediction,

forecast interval,

forecast standard error, trends,

t-test, time series,

Holt’s exponential smoothing, Winter’s exponential smoothing,