O předmětu
Kurz se zaměřuje na pokročilé ekonometrické metody z oblastí, jako jsou regresní modely na časových řadách, modely s panelovými daty, lineární a nelineární simultánní rovnice, modely vektorové autoregrese nebo ekonometrické předpovědi a hodnocení hospodářských politik. Ve cvičeních se řeší ilustrativní případy a případové studie s využitím softwarových produktů R/RStudio.
Co se naučíš
Po úspěšném absolvování budou studenti schopni aplikovat jednorovnicové regresní modely i vícerovnicové modely simultánních rovnic a vektorových autoregresí (VAR) v ekonomické diagnostice, analýze, prognózování a při optimalizaci hospodářské politiky s využitím ekonometrických či statistických softwarových produktů (R a RStudio).
Obsah předmětu
- Úvodní přehled témat kurzu, odhadové metody (OLS, MM, GMM, MLE), predikce, k-fold cross validation. Variance-Bias tradeoff. 2. Nelineární regresní modely (přehled), kvantilová regrese. 3. Regresní modely na časových řadách, stacionarita časových řad, zdánlivá regrese, testy na jednotkový kořen. 4. Kointegrované časové řady, testování kointegrace v lineárním regresním modelu, model korekce chyby. 5. Testy stability modelů na časových řadách (Chowovy testy), predikce a jejich vyhodnocování. 6. Modely konečně a nekonečně rozdělených zpoždění. Polynomicky rozdělená zpoždění (Almonová), Koyckova transformace, racionálně rozdělená zpoždění, model částečného přizpůsobení (PAM), hypotéza adaptivních očekávání (AEH), racionální očekávání. 7. Vybrané postupy analýzy panelových dat pro krátké panely (N >> T), testování předpokladů, robustní odhad. Dynamické modely na panelových datech (Arellano-Bond estimátor). 8. Vybrané postupy analýzy panelových dat pro dlouhé panely (T >> N), zdánlivě nesouvisející regresní rovnice (seemingly unrelated regression equations, SURE). 9. Vybrané postupy analýzy panelových dat pro T i N „velké“; řady s jednotkovým kořenem, odhadové metody, testy. 10. Modely simultánních rovnic (SEM), strukturní a redukovaný tvar, identifikovanost strukturních rovnic, odhadové metody. 11. Modely simultánních rovnic a panelová data, nelineární SEM. 12. VAR modely, jejich vlastnosti a využití pro predikce. Funkce odezvy (impulse-response functions, IRF) a ortogonalizace funkcí odezvy. 13. Pokročilé postupy založené na VAR modelech (SVAR, TVAR, identifikace funkcí odezvy – Blanchard-Quah dekompozice). Práce s nestacionárními časovými řadami, testy kointegrace. Modely vektorové korekce chyby (VECM), Johansenova metoda.
Literatura
Základní: