O předmětu
Cílem kurzu je zvládnutí základních postupů ekonometrického modelování potřebných pro vyhodnocení typických výzkumných hypotéz v kvantitativním empirickém výzkumu. Důraz je kladen především na specifikaci vhodného regresního modelu, jeho odhad pomocí profesionálního statistického programu a následnou interpretaci a verifikaci výsledků.
Co se naučíš
Po úspěšném absolvování budou studenti schopni navrhnout, odhadnout a interpretovat lineární i nelineární regresní modely za účelem jejich praktické aplikace v kvantitativní analýze.
Obsah předmětu
- Deskriptivní, kauzální a prediktivní úlohy. Výzkumné hypotézy v empirickém výzkumu, problematika vyhodnocení kauzálních vztahů pomocí neexperimentálních dat. - Jednoduchá lineární regrese. Odhad regresních parametrů a jejich interpretace. Shoda modelu s daty. Logaritmická transformace a model s konstantní elasticitou. - Vícenásobná regrese. Funkční tvar ve vícenásobné lineární regresi: kategoriální vysvětlující proměnné, kvadratické členy a interakce. - Algebraické vlastnosti MNČ odhadů. Vlastnosti reziduí a vyrovnaných hodnot, dopad změn jednotek a jiných lineárních transformací, dopad volby referenčních kategorií. - Statistické vlastnosti odhadů v malých a velkých výběrech, statistická indukce. Směrodatná chyba a výběrové rozdělení odhadových statistik, intervaly spolehlivosti, testování hypotéz. Využití počítačové simulace pro posouzení statistických vlastností. - Multikolinearita. Příčiny a důsledky, detekce, kompromis mezi rozptylem a vychýlením odhadů. Role kontrolních a klíčových vysvětlujících proměnných v empirickém výzkumu. Kritéria volby relevantních proměnných. - Predikce na základě lineární regrese, predikční intervaly. - Jednorozměrné časové řady. Klasifikace a základní vlastnosti. Modelování trendu a sezónní složky, dekompozice časové řady. - Statistická indukce při regresi s časovými řadami. Trendy, sezónnost a zpoždění v regresní analýze. - Autokorelace, nestacionarita a jejich detekce. Zdánlivá regrese. Kointegrované časové řady.
Literatura
Základní: