O předmětu
Obsahem kurzu je seznámení studentů s vybranými typy ekonometrických úloh a postupů. Kurz je orientován na ekonometrickou analýzu pokročilého typu, s využitím komplexních příkladů. Student získá praktické zkušenosti při práci na případových studiích, zejména v prostředí R.
Co se naučíš
Po úspěšném absolvování budou studenti schopni formulovat a odhadovat komplexní ekonometrické úlohy pokročilého typu, včetně vhodné interpretace výsledků.
Obsah předmětu
- Pokročilá práce v prostředí R, funkce, práce s Rmd soubory, on-line databáze a R, práce s databází Eurostat. 2. Prostorová data a jejich analýza, semivariogram, prostorová závislost, shluková analýza (hot-spots and cold-spots identification) na prostorových datech, grafy (kartogramy). 3. Prostorové regresní modely na průřezových datech, vybrané typy prostorových regresních modelů, jejich odhad a interpretace. 4. Semiparametrické prostorové modely na průřezových datech. Prostorové modely na panelových datech. 5. Chybějící data a jejich klasifikace, dopad na vlastnosti odhadu, metody imputace, vícenásobná imputace. 6. Odlehlá pozorování a robustní regrese. 7. Výběr modelu a regresorů. Stepwise regrese. Problém velké dimenzionality: modely s penalizací parametrů (lasso, ridge, elastic net regrese). 8. Regrese na hlavních komponentách (PCA, PCR), Partial least squares. 9. Regresní modely využívající spline křivky, vyhlazování (smoothing splines), GAM modely a jejich využití v ekonometrii. 10. Analýza opatření (treatment effects: předpoklady, DiD estimátor, problém samo-výběru, metody odhadu ATE a ATET, využití postupů založených na propensity score, regression discontinutity design a instrumentálních proměnných). 11. Vybrané pokročilé postupy a modely s omezenou závislou proměnnou. Zero-Inflated a prahové (hurdle) modely s čítací závislou proměnnou. Prostorová regrese a modely s omezenou závislou proměnnou. 12. Chyby měření v regresních modelech: odhad lineárních a nelineárních modelů, identifikace, vlastnosti odhadnutých modelů.
Literatura
Základní: