Podstawowe Modele Panelowe 2400-ZEWW912
Podstawowe modele panelowe to kurs dedykowany zarówno studentom III roku studiów licencjackich jaki i studentom studiów magisterskich.
Modele dla danych panelowych wykorzystują zarówno wymiar przekrojowy jak i czasowy danych. Temat ten jest niezwykle szeroki, stąd pomysł na poświęcenie dwóch kursów zagadnieniom modeli panelowych. Niniejszy kurs (Podstawowe Modele Panelowe) może być wstępem do kursu Modelowanie Danych Panelowych, nie jest jednak warunkiem niezbędnym, tylko prezentuje materiał uzupełniający.
Kurs może być użyteczny dla wszystkich studentów, którzy chcieliby wykorzystać w pracy licencjackiej czy magisterskiej modele panelowe dla ciągłej zmiennej zależnej. Ideą kursu jest wypełnienie luki między kursem Ekonometrii studiów licencjackich a kursem Modelowanie Danych Panelowych (który można traktować jako kontynuację kursu Podstawowe Modele Panelowe).
Ekonometria danych panelowych jest tematem niezwykle szerokim. Na zajęciach omówione zostaną modele panelowe dla ciągłej zmiennej zależnej. Kurs rozpocznie się omówieniem podstawowych i rozszerzonych modeli dla paneli szerokich (duże N, małe T). Następnie omawiane będą modele uzupełniające dla pozostałych rodzajów danych panelowych. Omówione zostaną modele regresji pozornie niepowiązanych (Seemingly Unrelated Regressions), modele dla długich paneli (duże T). Przedstawione zostaną modele z endogenicznymi regresorami i metoda zmiennych instrumentalnych dla modeli panelowych. Zaprezentowane zostaną wybrane modele dynamiczne dla danych panelowych dla ciągłej zmiennej (z zastrzeżeniem, że materiał w pełni jest prezentowany na kursie Modelowanie Danych Panelowych). Omówione zostaną sposoby wykorzystania odpornych błędów standardowych (Robust Standard Errors). Zaprezentowane zostaną także pewne rozszerzenia standardowych modeli, tj. modele z efektami mieszanymi i inne.
Na zajęciach, podobnie jak na kursie Modelowanie Danych Panelowych, obowiązuje prymat praktyki nad teorią. Do każdego tematu prowadzący przedstawia wstęp teoretyczny oraz praktyczne przykłady dydaktyczne w środowisku Stata i/lub R (wybór podyktowany dostępnością i efektywnością odpowiednich procedur statystyczno-ekonometrycznych w obydwu środowiskach). Wstęp teoretyczny ma służyć zapoznaniu Studentów z danym zagadnieniem bez zagłębiania się w szczegóły techniczne i matematyczne (dla zainteresowanych zawsze będą dostępne odnośniki do literatury). Tym samym nacisk zostanie położony na przygotowanie Studenta do samodzielniej lektury prac empirycznych stosujących zaawansowane techniki i modele ekonometryczne oraz samodzielnej analizy danych z wykorzystaniem tych technik i modeli.
Plan zajęć:
1. Postać danych panelowych, podstawowe modele panelowe.
2. Modele regresji pozornie niepowiązanych (Seemingly Unrelated Regressions)
3. Modele z efektami losowymi, modele z efektami stałymi, modele Mundlaka-Chamberlaina
4. Modele one-way i modele two-way
5. Modele efektów mieszanych (mixed effects)
6. Two-level models – variance-components models
7. Random-intercept models with covariates
8. Random-coefficient models
9. Quasi-Maximum Likelihood Method i modele grawitacyjne handlu
10. Modele panelowe z endogenicznymi regresorami i metoda zmiennych instrumentalnych
11. Modele z zagnieżdżonymi efektami (nested effects)
12. Modele z efektami krzyżowymi (crossed effects)
13. Podstawowe modele dynamiczne
Zagadnienia dodatkowe – w zależności od czasu
14. Panelowe model VAR
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Efekty uczenia się:
A) Wiedza
Student ma wiedzę o podstawowych modelach dla danych panelowych oraz o ich pewnych rozszerzeniach.
1. Student zna wady i zalety wykorzystywania modeli dla danych panelowych.
2. Student zna podstawowe techniki i narzędzia diagnostyki modeli i pokonywania problemów wynikających z niespełnienia założeń.
B) Umiejętności
Student potrafi korzystać z programów statystyczno-ekonometrycznych do estymacji modeli dla danych panelowych.
1. Student umie analizować dane panelowe za pomocą podstawowych narzędzi statystycznych i ekonometrycznych.
2. Student potrafi wykorzystać właściwe metody badawcze do rozwiązywania zadań.
3. Student umie wykorzystywać funkcje i skrypty przygotowane przez innych badaczy i analityków.
4. Student potrafi dobrać narzędzie analityczne do rozwiązania problemu z zakresu ekonomii, finansów i dziedzin pokrewnych.
5. Student umie wykonać szereg operacji obliczeniowych i analitycznych w celu znalezienia rozwiązania zadania.
6. Student potrafi przeprowadzić analizę uzyskanych wyników, zinterpretować ich sens ekonomiczny i stworzyć raport z wykonanej analizy.
C) Kompetencje społeczne
Student ma świadomość konieczności uzupełniania i doskonalenia wiedzy i umiejętności.
1. Student potrafi komunikatywnie zaprezentować dane w postaci tabel i wykresów.
2. Student jest przygotowany do samodzielnego rozszerzania wiedzy.
3. Student potrafi pracować z programami przygotowanymi przez innych oraz przygotowywać programy, które mogą być wykorzystywane przez innych.
4. Student umie ocenić możliwość wykorzystania wybranego narzędzia do rozwiązania problemu.
5. Student rozumie ograniczenia technik informatycznych w analizowaniu skomplikowanych zjawisk gospodarczych.
SU05, SU06, SK01, SK03, SU04, SU03, SU02, SU01, SW03, SW02, SW01, SW04, SW05, SK02, SK04
Kryteria oceniania
W skład oceny wchodzą kartkówki (30%), prace domowe (30%) oraz przygotowana w zespołach maksymalnie dwuosobowych praca zaliczeniowa (40%).
Literatura
Literatura
W większej części kurs będzie wykorzystywał podręcznik:
1. Sofia Rabe-Hesketh, Anders Skrondal, Multilevel and Longitudinal Modelling Using Stata, Volum I: Continouus Responses (Third Edition lub Fourth Edition), Stata Press.
Ponadto, podczas kursu będziemy się odwoływać do podręczników:
2. Badi H. Baltagi, Econometric Analysis of Panel Data, 5th Ed., Wiley, 2013.
3. Yves Croissant, Giovanni Millo, Panel Data Econometrics with R, Wiley, 2019.
4. Cheng Hsiao, Analysis of Panel Data, 3rd Ed., Cambridge University Press, 2014.
5. A. Collin Cameron, Pravin K. Trivedi, Microeconometrics Using Stata, (Revised Edition lub Second Edition), Stata Press, 2010.
6. A. Collin Cameron, Pravin K. Trivedi, Regression Analysis of Count Data, 2nd Ed., Cambridge University Press, 2013.
7. Jeffrey M. Wooldridge, Econometric Analysis of Cross Section and Panel Data, 2nd Ed., The MIT Press, 2010.
8. Jeffrey M. Wooldridge, Introductory Econometrics: A Modern Approach, Cengage.
Uwagi
|
W cyklu 2023L:
|
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: