Zalicz wszystkie Testy na 80%, aby otrzymać Certyfikat!
Kurs Ekonometria jest multimedialnym kursem edukacyjnym, podzielonym tematycznie na 8 Lekcji. Pierwsza Lekcja poświęcona jest wprowadzeniu do modelowania ekonometrycznego, ostatnia – prognozowaniu na podstawie modelu ekonometrycznego.
Kurs zawiera łącznie blisko 17 godzin nagrań video, na których powoli i od podstaw tłumaczę i pokazuję jak rozwiązywać zadania.
Do nagrań dołączonych jest 80 pytań testowych sprawdzających wiedzę i 223 zadania praktyczne.
W tym Kursie dzielę się wiedzą zgromadzoną przez wiele lat intensywnego nauczania ekonometrii studentów różnych uczelni. Dowiesz się z niego, między innymi:
jak klasyfikować zmienne w modelu oraz same modele ekonometryczne
jak dobrze wybrać zmienne objaśniające
dlaczego współczynnik korelacji liniowej Pearsona jest w tym taki ważny
jak oszacować i zinterpretować parametry modelu
na czym polega weryfikacja merytoryczna i statystyczna modelu
które zmienne są istotne
które współczynniki grają kluczową rolę w interpretacji i weryfikacji modelu
jakie są główne założenia Klasycznej Metody Najmniejszych Kwadratów i jak je weryfikować
jak wykorzystać model i dokonać prognozy
jak wykorzystać MS Excel do regresji i wszystkich obliczeń macierzowych
…i wielu, wielu innych praktycznych, wypróbowanych “sztuczek”, które oprócz solidnej, blisko 17-godzinnej elementarnej porcji wiedzy pozwolą Tobie zadziwić może nawet samego siebie na kolokwium, czy egzaminie z ekonometrii.
Ta wprowadzająca do tematu ekonometrii i modelowania ekonometrycznego Lekcja zawiera ponad 1,5 godzinne video, w którym przedstawiam czym jest ekonometria i model ekonometryczny.
Pokazuję na 6 rozwiązanych przykładach jak dokonuje się klasyfikacji modeli ekonometrycznych oraz zmiennych w nim występujących.
Spis treści
pojęcie i cel ekonometrii [04:40]
przykład zależności między zmiennymi ekonomicznymi [06:34]
typy danych statystycznych [08:59]
pojęcie modelu ekonometrycznego [12:00]
struktura modelu ekonometrycznego (wyjaśnienie składowych) – przykład 1 [14:56]
struktura modelu ekonometrycznego – przykład 2 [22:34]
klasyfikacja zmiennych występujących w modelu [28:31]
wypisanie zmiennych w modelu – przykład 1 [36:37]
klasyfikacja modeli ekonometrycznych (kryteria) [43:22]
określenie zmiennych w modelu – zadanie 1 [59:52]
określenie klasyfikacji modelu – zadanie 2 [01:07:17]
określenie zmiennych w modelu oraz klasyfikacji modelu – zadanie 3 [01:14:12]
Lekcja druga podzielona jest na dwie części. W pierwszej ponad 2 godzinnej Lekcji video na 10 przykładach przypomniano podstawowe parametry ze statystyki. Dowiesz się jak obliczyć współczynniki korelacji pomiędzy zmiennymi i dlaczego są one takie ważne w modelowaniu ekonometrycznym. Pokazano tutaj obliczenia ręczne, jak i przy pomocy programu EXCEL.
W prawie 1,5 godzinnej drugiej części video w 8 przykładach skupiono się już konkretnie na metodzie Hellwiga doboru zmiennych objaśniających.
UWAGA! Przez całą Lekcję niepoprawnie wymawiam nazwisko cenionego polskiego ekonomisty. Mówię NIEPRAWIDŁOWO „metoda Helłiga”, zamiast PRAWIDŁOWO: „metoda Hellwiga”. Przepraszam!
Spis treści cz. 1
omówienie własności zmiennych objaśniających [07:14]
procedura doboru zmiennych objaśniających [09:45]
omówienie metod doboru zmiennych do modelu [14:57]
Ta jedna z najistotniejszych lekcji zawiera 2,5 godzinne video wprowadzające do tematu regresji.
Na 8 przykładach pokazuję na czym polega estymacja parametrów strukturalnych modelu. Przedstawiam sposoby „ręcznych” obliczeń, macierzowych, ale także przy użyciu programu EXCEL i szybkiej funkcji regresji.
Spis treści
wprowadzenie do modelu z jedną zmienną objaśniającą [03:30]
szacowanie parametrów modelu z jedną zmienną objaśniającą [06:06]
regresja prosta, wzory na estymatory parametrów strukturalnych i ich interpretacja [08:37]
oszacowanie skalarnie i interpretacja parametrów modelu z jedną zmienną objaśniającą – zadanie 1 [24:03]
wprowadzenie do modelu z wieloma zmiennymi objaśniającymi, postać macierzowa [39:25]
regresja wieloraka, wzory na estymatory parametrów strukturalnych i ich interpretacja [46:26]
oszacowanie macierzowo i interpretacja parametrów modelu z jedną zmienną – zadanie 2 [52:12]
oszacowanie macierzowo i interpretacja parametrów modelu z wieloma zmiennymi – zadanie 3 [01:21:37]
EXCEL: oszacowanie macierzowo i interpretacja parametrów modelu z wieloma zmiennymi – zadanie 4 [01:35:32]
omówienie macierzy XTX oraz XTY [01:54:06]
własności macierzy XTX – przykłady [01:57:52]
oszacowanie macierzowo parametrów modelu z wykorzystaniem własności macierzy XTX i XTY – zadanie 5 [02:06:22]
przykład, w którym parametrów modelu nie da się oszacować – zadanie 6 [02:12:49]
EXCEL: funkcja regresji – odczytanie wartości oszacowań parametrów – przykład [02:20:24]
W tej mniej matematycznej 40 minutowej lekcji video pokazuję na 6 przykładach jak rozpocząć proces weryfikacji modelu.
Omawiam pierwszy etap – weryfikację merytoryczną. Przedstawiam dwa sposoby na to: interpretację słowną i ocenę jej logicznej sensowności oraz tzw. własność koincydencji.
Dodatkowo pokazuję na 3 przykładach jak wyliczać wartości teoretyczne i przyrosty zmiennej objaśnianej.
Spis treści
wprowadzenie do weryfikacji merytorycznej modelu [02:11]
ogólna interpretacja oszacowań parametrów [04:13]
weryfikacja modelu na podstawie interpretacji oszacowań parametrów – przykład 1 [05:48]
weryfikacja modelu na podstawie interpretacji oszacowań parametrów – przykład 2 [08:28]
weryfikacja modelu na podstawie interpretacji oszacowań parametrów – przykład 3 [13:07]
weryfikacja modelu na podstawie interpretacji oszacowań parametrów – przykład 4 [16:05]
omówienie sposobu wyliczania wartości teoretycznych zmiennej objaśnianej [18:43]
wyliczenie wartości teoretycznych zmiennej objaśnianej – przykład 1 [20:00]
wyliczenie wartości teoretycznych zmiennej objaśnianej – przykład 2 [22:37]
wyliczenie wartości teoretycznych i przyrostów zmiennej objaśnianej – przykład 3 [24:43]
Tą 3 godzinną Lekcję video podzieliłam tematycznie na dwie części.
W jednej rozpoczynam weryfikację statystyczną. Na 14 przykładach pokazałam jak wyliczać reszty modelu, a także jak obliczyć i zinterpretować (!) miary dopasowania modelu do zmiennych empirycznych.
Drugim tematem jaki wyjaśniłam na kilku przykładach jest tzw. efekt katalizy. Dużo obliczeń i użytecznych funkcji pokazuję również w EXCELU.
Spis treści
wprowadzenie do analizy dopasowania modelu do danych empirycznych [04:52]
wyznaczenie reszt modelu (+ EXCEL) – zadanie 1 [06:55]
EXCEL: funkcja regresji – wyznaczanie reszt – przykład [17:53]
miary dopasowania modelu do danych (parametry stochastyczne) [22:10]
ocena dopasowania modelu do danych empirycznych – zadanie 2 [24:30]
EXCEL: funkcja regresji – wyznaczanie współczynników modelu – przykład [25:57]
wariancja resztowa i odchylenie standardowe reszt – wzory i interpretacja [31:02]
wariancja resztowa i odchylenie standardowe reszt – przykład [35:02]
EXCEL: wariancja resztowa i odchylenie standardowe reszt Se – przykład [37:35]
współczynnik zmienności losowej – wzór i interpretacja [01:01:30]
współczynnik zmienności losowej – przykład [01:04:16]
omówienie analizy wariancji zmiennej objaśnianej [01:07:08]
współczynnik determinacji – wzory i interpretacja [01:12:04]
współczynnik zbieżności – wzory i interpretacja [01:16:25]
współczynnik determinacji i zbieżności – przykład [01:18:07]
współczynnik korelacji wielorakiej – wzór i interpretacja [01:23:36]
współczynnik korelacji wielorakiej – przykład [01:25:43]
Lekcja szósta, zawierające prawie 2 godzinne video, dotyczy błędów szacunku parametrów oraz istotności zmiennych objaśniających.
Na 3 przykładach pokazuję jak „ręcznie” dla jednej zmiennej, a macierzowo dla wielu zmiennych, obliczyć średnie błędy szacunku parametrów. Wskazuję do czego potrzebne są błędy względne.
W dalszej kolejności na 5 przykładach testem t-Studenta, oraz testem Walda badam istotność zmiennych objaśniających i pokazuję jak zbudować przedziały ufności. Jak zawsze, na koniec każdej z części, odczytuję pokazywane własności z funkcji regresji w EXCELU.
Spis treści
wprowadzenie do błędów szacunku parametrów [02:06]
wzory na standardowe błędy szacunku parametrów modelu z jedną zmienną objaśniającą [03:57]
wzór na względny błąd szacunku parametrów modelu [05:48]
wyznaczenie „ręczne” błędów szacunku parametrów modelu z jedną zmienną – zadanie 1 [07:56]
wzory na standardowe błędy szacunku parametrów modelu z wieloma zmiennymi objaśniającymi [19:21]
wyznaczenie macierzowo błędów szacunku parametrów modelu z wieloma zmiennymi – zadanie 2 [22:21]
EXCEL: wyznaczenie oszacowań parametrów modelu (do zadania 2) [24:03]
EXCEL: wyznaczenie wariancji odchyleń (do zadania 2) [30:42]
EXCEL: funkcja regresji – odczytanie wartości błędów oszacowań parametrów – przykład [40:52]
wprowadzenie do badania istotności zmiennych objaśniających [46:20]
W tej 2 godzinnej lekcji omawiam ostatni etap weryfikacji modelu ekonometrycznego. Pokazuję cztery najważniejsze i najczęściej stosowane testy weryfikujące założenia KMNK dotyczące odchyleń losowych, czyli reszt modelu.
Spis treści
założenia Klasycznej Metody Najmniejszych Kwadratów [02:42]
założenia podlegające analizie własności reszt [09:15]
badanie liniowości modelu ekonometrycznego (test serii) – omówienie procedury [11:24]
