PředmětyPředměty(verze: 945)
Předmět, akademický rok 2019/2020
   Přihlásit přes CAS
Introductory Econometrics - JEM062
Anglický název: Introductory Econometrics
Český název: Introductory Econometrics
Zajišťuje: Institut ekonomických studií (23-IES)
Fakulta: Fakulta sociálních věd
Platnost: od 2019 do 2020
Semestr: zimní
E-Kredity: 6
Způsob provedení zkoušky: zimní s.:
Rozsah, examinace: zimní s.:2/2, Zk [HT]
Počet míst: 76 / 76 (76)
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: angličtina
Způsob výuky: prezenční
Způsob výuky: prezenční
Další informace: http://ies.fsv.cuni.cz/cs/syllab/JEM062
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
při zápisu přednost, je-li ve stud. plánu
Garant: PhDr. Jiří Kukačka, Ph.D.
Vyučující: Periklis Brakatsoulas
PhDr. Jiří Kukačka, Ph.D.
Mgr. Jan Šíla, M.Sc.
Třída: Courses for incoming students
Termíny zkoušek   Rozvrh   Nástěnka   
Anotace -
Poslední úprava: Mgr. Michaela Čuprová (06.05.2020)
Cílem kurzu je vybudovat, zrevidovat a systematizovat ekonometrické znalosti studentů. Nejdříve zopakujeme základy statistiky a následně se zaměříme především na praktickou aplikaci ekonometrických technik. Po většinu semestru se budeme zabývat lineárním regresním modelem a jeho odhadem pomocí metody nejmenších čtverců (OLS), základní, leč efektní techniky v arzenálu každého ekonoma. Během kurzu společně probereme základy ekonometrie: od opakování statistiky přes teorii a intuici odhadu metodou OLS, testování hypotéz, předpoklady lineárního regresního modelu, jejich možná narušení a vhodné nápravy, až po pokročilejší témata jako např. problém endogenity. Pro dobré pochopení limitací regresní analýzy bude opakovaně diskutována problematika kauzality. Každé téma bude ilustrováno na aplikovaném příkladě a procvičeno na seminářích.
Cíl předmětu -
Poslední úprava: PhDr. Jiří Kukačka, Ph.D. (16.01.2024)

The primary objective of this course is to enhance students' understanding of econometrics by establishing, revising, and systematizing their knowledge in this field. This course is highly recommended for students who have completed introductory statistics and seek to learn the fundamental principles of quantitative empirical analysis in economics and finance. Econometrics is essential for understanding the relationships between economic variables, serving as the vital link that connects economic theories with real-world data.

Econometrics equips you with the necessary skills and tools to succeed in your interests, whether they are in economic forecasting, the careful empirical testing of scientific hypotheses from various fields, the accurate estimation of numerical relationships between economic variables to inform policymakers or academic audiences, or just satisfying your natural curiosity.

Literatura -
Poslední úprava: PhDr. Jiří Kukačka, Ph.D. (18.11.2019)

Základní učebnice (vybrané kapitoly):
   Studenmund, A. H. (2016). Using Econometrics: A Practical Guide. Pearson Education, 7th Edition, pdf (případně e-book 7th Global Ed. z 2017 či 6th International Ed. z 2014).
   Wooldridge, J. M. (2016). Introductory Econometrics: A Modern Approach. Cengage, 6th Edition, pdf (případně 5th Ed. z 2012 či 7th Ed. z 2018).

Porovnání edic a stránkování naleznete v souboru Textbooks_contents.pdf

Vstupní požadavky -
Poslední úprava: PhDr. Jiří Kukačka, Ph.D. (02.02.2024)

Knowledge of basic statistical concepts is expected and will be recapitulated during the first lecture. A brief overview can be found in the Studenmund textbook (2016, [2014]), Chapter 17 [15]: Statistical Principles, see the 'Files' section. A more advanced summary can be found in the Wooldridge textbook (2016), Appendices B and C-1 to C-3. A useful introduction to statistics (Harvard University) is available on youtube.

Knowledge of basic matrix algebra is also expected and important for understanding the content of some lectures and exercises. A summary of matrix algebra can be found in the Wooldridge textbook (2016), Appendix D. Useful matrix tutorials with exercises to practice and solutions can be found, e.g., here or at Khan Academy.

 
Univerzita Karlova | Informační systém UK