Február - 2019
H K S C P S V
  01 02 03
04 05 06 07 08 09 10
11 12 13 14 15 16
18 19 20 21 22 23 24
25 26 27 28  

Tantárgy adatlap

Ökonometria I.

Tantárgy adatlap letöltése: Letöltés

A tantárgy kódja: 4ST14NAK26B
A tantárgy megnevezése (magyarul): Ökonometria I.
A tantárgy neve (angolul): Econometrics I
A tanóra száma (Előadás + szeminárium + gyakorlat + egyéb): 2+2
Kreditérték: 6
A tantárgy meghirdetésének gyakorisága: évente egyszer a tavaszi félévben
Az oktatás nyelve: magyar
Előtanulmányi kötelezettségek: Statisztika II
A tantárgy típusa: kötelező
Tantárgyfelelős tanszék: Statisztika Tanszék
A tantárgyfelelős neve: Keresztély Tibor

A tantárgy szakmai tartalma: A tantárgy célja, hogy a hallgatók megismerkedjenek a keresztmetszeti adatsorok modellezésének főbb módszereivel. Az előadások ezen módszerek elméleti alapjait ismertetik, míg a gyakorlatok során ezeket a diákok valós adatokon, ökonometriai-statisztikai programcsomagok segítségével maguk is alkalmazzák. A tananyag magában foglalja az egy- illetve többegyenletes keresztmetszeti modellek specifikálását, paraméterbecslését és specifikációanalízisét, valamint a dichotóm változójú és a robosztus modellekkel kapcsolatos legfontosabb ismereteket. Az ezek során kapott eredményeket a hallgatók a félév végére pontosan tudják interpretálni, képesek javaslatokat tenni a paraméterbecslési eljárások módosítására, illetve a specifikáció megváltoztatására a modell illeszkedésének javítása érdekében.

Évközi tanulmányi követelmények: A szorgalmi időszakban az előre megadott gyakorlatokon írt 4 darab, egyenként 6 pontos röpdolgozat teljesítése, melyekből a legrosszabb pontszáma nem számít. A gyakorlatokon nem teljesített röpdolgozat más időpontban vagy más módon nem pótolható, hozzájárulása a végső jegyhez végleges és nem javítható.
A szorgalmi időszak 13. hetéig kis létszámú csoportban egy releváns gazdasági kérdés feldolgozása saját gyűjtésű adatokon az órán tárgyalt ökonometriai eszközök segítségével egy írásos házi dolgozatban, valamint ennek bemutatása az utolsó gyakorlaton (10+5 pont).

Vizsgakövetelmény: vizsgajegy

Az értékelés módszere: Az értékelés módszere: A röpdolgozatokon 18, beadandó házi dolgozaton 15, az írásbeli vizsgán 67, összesen tehát maximum 100 pont érhető el. A végső érdemjegy az összpontszám alapján az alábbi séma szerint alakul ki:
-50 elégtelen
51-62 elégséges
63-74 közepes
75-86 jó
87-100 jeles

Tananyag leírása: 1. előadás: Empirikus adatok elemzése a közgazdaságtudományban, a kauzalitás vizsgálata. Megfigyelés és kísérlet. Confounding. A statisztikai modellek célja és alapjai. Sztochasztikusság. Paraméteres és nem-paraméteres modellek.
2. előadás: Regresszió a sokaságban: a várható négyzetes veszteség, a feltételes várható érték mint e melletti optimális regressziós függvény. Lineáris regresszió mint egzakt megoldás többdimenziós normalitásnál.
3. előadás: Paraméterek értelmezése (tengelymetszet, meredekség, marginális hatás és elaszticitás). A linearitás következményei, additivitás. Az OLS elv. Regresszió becslése mintából – lineáris sokasági modell mellett - OLS elven. Modelljellemzés, R2.
4. előadás: Mintából készült becslések tulajdonságai, mintavételi ingadozás. Becslések tulajdonságai (torzítatlanság, hatásosság, konzisztencia). Az OLS tulajdonságai és a standard modellfeltevések. Paraméterek mintavételi eloszlása, hibanormalitás. Parciális t-próba és F-próba.
5. előadás: Beágyazott modellszelekció. A multikollinearitás. Általánosítóképesség és a túlilleszkedés. Információs kritériumok.
6. előadás: Kihagyott változó okozta torzítás, útelemzés. Heteroszkedaszticitás (következményei, tesztelése, korrekció, ez utóbbi HCCM-mel és FGLS-sel).
7. előadás: A marginális hatás általános értelmezése. Változójában nemlineáris modellek.
8. előadás: Minőségi magyarázó változók szerepeltetése. Dummy változók. Referencia- és kontraszt-kódolás. Robusztus regressziók témaköre, nem L2-célfüggvényű regressziók. Kvantilis regresszió.
9. előadás: A maximum likelihood becslés általában: a likelihood függvény fogalma, a maximum likelihood mint becslési elv, egyszerű példák.
10. előadás: Lineáris regresszió becslése ML-elven. Kategoriális eredményváltozó. A logisztikus regressziós modell. A logisztikus regresszió és a lineáris regresszió, mint a GLM speciális esetei. A logisztikus regresszió becslése ML elven. A logisztikus regresszió értelmezése.
11. előadás: Cut-off az osztályozásnál, szenzitivitás, specificitás, ROC-görbe, optimális cut-off veszteségmátrix alapján. Modelljellemzés. Modellszelekció, likelihood ratio.
12. előadás: Logit és probit modellek. Többosztályos kiterjesztés (nominális és ordinális). Poisson regresszió, mint a GLM újabb speciális esete.
13. előadás: Cenzorált eredményváltozójú regressziók, tobit modellek. A bayes-i statisztika alapjai. Bayes-klasszifikáció. Ismétlés, összefoglalás, kérdések.

Órarendi beosztás: a NEPTUN Hallgatói Információs Rendszer szerint

Kompetencia leírása: A hallgatók képessé válnak önálló statisztikai-ökonometriai elemzések elvégzésére, a félév végére pontosan tudják interpretálni a kapott eredményeket, képesek javaslatokat tenni a paraméterbecslési eljárások módosítására, illetve a specifikáció megváltoztatására a modell illeszkedésének javítása érdekében. A hallgatók elsajátítják a keresztmetszeti elemzések legfontosabb eszközeit, megtanulják a Gretl programcsomag használatát, valamint képesek lesznek az empirikus eredmények tömör és koherens közlésére.

Félévközi ellenőrzések: 4 db órai röpdolgozat, házi dolgozat, órai prezentáció

A hallgató egyéni munkával megoldandó feladatai: házi dolgozat, órai prezentáció

Szak neve: Alkalmazott közgazdaságtan (BA), Gazdálkodási és menedzsment gazdálkodáselméleti specializáció (BA)

Irodalomjegyzék:
Kötelező irodalom:

  • Ramanathan, Ramu: Bevezetés az ökonometriába. Panem Könyvkiadó, Budapest, 2003.
  • Kiadott oktatási jegyzetek (előadáslapok, gyakorlatanyagok, adatállományok)

Ajánlott irodalom:

  • Maddala, G. S.: Bevezetés az ökonometriába. Nemzeti Tankönyvkiadó, Budapest, 2004.
  • Wooldridge, J. M.: Introductory Econometrics: A Modern Approach. South-Western, Cengage Learning, 2012.
Ajánlott irodalmak:
Kötelező irodalmak:

 
A tantárgy oktatói:

Dr. Ferenci Tamás, Mák Fruzsina, Keresztély Tibor, Madari Zoltán, Fellner Zita

Utolsó módosítás: 2019-02-07 15:40:40

Kurzusok

Kurzus kódTipusFélévOktatói
EElmélet2018/19/2Dr. Ferenci Tamás
G1Gyakorlat2018/19/2Mák Fruzsina
G2Gyakorlat2018/19/2Keresztély Tibor
G3Gyakorlat2018/19/2Madari Zoltán
G_GGyakorlat2018/19/2Fellner Zita
E_GElmélet2018/19/2Dr. Ferenci Tamás


A "Tantárgyfelelős tanszék", a tantárgyfelelős neve a tantárgy oktatói és a kurzusinformációk automatikusan frissülnek a tanulmányi rendszerünk alapján.