Εφαρμοσμένη Οικονομετρία

Διαφάνειες (power point slides).
Επίλυση ασκήσεων και περιπτώσεων μελέτης στον πίνακα αλλά και με χρήση στατιστικών προγραμμάτων.
Εφαρμογή οικονομετρικής ανάλυσης με χρήση γλώσσας προγραμματισμού R.
Χρήση ηλεκτρονικής επικοινωνίας (emails) για επικοινωνία με τους φοιτητές όσον αφορά απάντηση ερωτημάτων και αποριών αλλά και παράδοση ασκήσεων.
Χρήση ηλεκτρονικής πλατφόρμας e-class για την ανάρτηση του υλικού των διαλέξεων αλλά και επιπρόσθετο υποστηρικτικό υλικό (π.χ., επιστημονικά άρθρα, case studies, programming codes κτλ.)

Αυτοτελείς Διδακτικές Δραστηριότητεσ

Τύπος

Διαλέξεις

Εβδομαδιαίες Ώρες

Μονάδες ECTS

7,5

Περιγράμματα Σπουδών

🇬🇷 Ελληνικά

🇬🇧 Αγγλικά

Συνδεσμοι

Αξιολόγηση Φοιτητών

Ενδιάμεση εργασία (programming code και βάση δεδομένων, power point) με συγκεκριμένο θέμα, η οποία θα καλύπτει μεγάλο μέρος της διδακτέας ύλης του μαθήματος και θα παρουσιαστεί από τους φοιτητές. Η συμμετοχή της εργασίας στον τελικό βαθμό είναι 30%.
Γραπτή τελική εξέταση με τη μορφή ερωτήσεων πολλαπλής επιλογής αλλά και ασκήσεων καλύπτοντας όλη τη διδακτέα ύλη. Η συμμετοχή της γραπτής εξέτασης στον τελικό βαθμό είναι 70%.

Μαθησιακά Αποτελέσματα

Να κατανοούν πως πραγματοποιείται ο σωστός προσδιορισμός και εκτίμηση ενός οικονομετρικού υποδείγματος για παραγωγή προβλέψεων των υπό μελέτη οικονομικών μεταβλητών, την λήψη βέλτιστων αποφάσεων ή και την άσκηση οικονομικής πολιτικής.
Να κατανοούν το συνδυασμό της εφαρμοσμένης οικονομετρικής ανάλυσης των δεδομένων με την οικονομική θεωρία ώστε να βελτιστοποιηθεί η επεξηγηματική ισχύς διαφόρων οικονομικών μοντέλων.
Να κατανοούν μέσω οικονομετρικών μεθόδων αν ισχύουν συγκεκριμένες οικονομικές θεωρίες αλλά και υποθέσεις, με σκοπό την τροποποίηση των οικονομικών θεωρητικών υποδειγμάτων έτσι ώστε να είναι συνεπή με τα οικονομικά δεδομένα.
Να κατανοούν τα βήματα εκτίμησης ενός γραμμικού μοντέλου παλινδρόμησης λαμβάνοντας υπόψιν σχέσεις μεταξύ μακροοικονομικών, χρηματοοικονομικών καθώς και άλλων μεταβλητών.
Να κατανοούν τη δομή αλλά και τον τρόπο εκτίμησης αυτοπαλίνδρομων (ARΙΜΑ) και διανυσματικών αυτοπαλίνδρομων (VAR) υποδειγμάτων.
Να κατανοούν τα βήματα της διαδικασίας που απαιτείται για την παραγωγή προβλέψεων της υπό μελέτη εξαρτημένης μεταβλητής (π.χ., ΑΕΠ ή αποδόσεις μετοχών).
Τέλος, και συνδυάζοντας όλα τα προηγούμενα, θα πρέπει να είναι σε θέση να πραγματοποιούν μία ολοκληρωμένη οικονομετρική ανάλυση με την γλώσσα προγραμματισμού R.

Γενικές Ικανότητες

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
Λήψη αποφάσεων
Αυτόνομη εργασία

Περιεχόμενο Μαθήματος

Το κλασικό μοντέλο παλινδρόμησης: Γίνεται εισαγωγή στο κλασικό γραμμικό μοντέλο πολλαπλής παλινδρόμησης. Συγκεκριμένα παρουσιάζονται η μορφή του, τα συστατικά του στοιχεία, η ερμηνεία του, οι βασικές υποθέσεις στις οποίες στηρίζεται, ενώ αναλύεται η εκτίμηση του μοντέλου με την χρήση της μεθόδου των ελαχίστων τετραγώνων.
Συλλογή, διαχείριση και εισαγωγή δεδομένων για την εκτίμηση ενός οικονομετρικού υποδείγματος.
Στατιστικοί έλεγχοι υποθέσεων εκτιμημένων συντελεστών ενός μοντέλου παλινδρόμησης: έλεγχος t, έλεγχοι F.
Πολυσυγγραμικότητα: πως ελέγχουμε για πολυσυγγραμικότητα και πως αντιμετωπίζουμε τέτοιου είδους προβλήματα.
Έλεγχος για αυτοσυσχέτιση και πως επιλύουμε τέτοιου είδους θέματα.
Ετεροσκεδαστικότητα: πως ελέγχουμε αν στα κατάλοιπα ενός μοντέλου παλινδρόμησης υπάρχει ετεροσκεδαστικότητα και προτείνονται τρόποι αντιμετώπισης.
Mέθοδοι επιλογής μεταβλητών σε μοντέλα παλινδρόμησης: θα δείξουμε πως από ένα σύνολο μεταβλητών επιλέγουμε ένα μικρό υποσύνολο με σκοπό να κατασκευάσουμε ένα μοντέλο παλινδρόμησης με καλή προβλεπτική ικανότητα για την μεταβλητή ενδιαφέροντος.
Σταθερότητα εκτιμημένων συντελεστών ενός οικονομετρικού υποδείγματος: έλεγχοι για να διαπιστωθεί αν οι εκτιμημένοι συντελεστές είναι σταθεροί και τρόποι αντιμετώπισης όταν παρουσιάζονται προβλήματα αστάθειας.
Εκτίμηση αυτοπαλίνδρομων (ARΙΜΑ) και διανυσματικών αυτοπαλίνδρομων (VAR) υποδειγμάτων.
Panel Data models: θα δούμε πως προσδιορίζουμε και εκτιμούμε οικονομετρικά μοντέλα χρησιμοποιώντας δεδομένα που ανήκουν σε περισσότερες διαστάσεις, όπως ο χρόνος και οι μεμονωμένες μονάδες (εταιρίες, χώρες κλπ).

Βιβλιογραφία

Σημειώσεις (power point slides) και ασκήσεις του διδάσκοντα (eclass.unipi.gr).
Jack Johnston, John Dinardo. Οικονομετρικές Μέθοδοι, Κλειδάριθμος, 4η εκδ/2005.
Dimitrios Astriou, Stephen Hall. Εφαρμοσμένη Οικονομετρία, Προπομπός, 3η /2018.
Delis, P., Degiannakis, S., and Filis G. (2022). What matters when developing oil price volatility forecasting frameworks? Journal of Forecasting, 41(2), 361-382.
Greene, Willian H. (2012). Econometric Analysis, Prentice Hall, New York.
Graham, E., and Timmermann A. (2008). Economic Forecasting, Journal of Economic Literature, 46 (1), 3–56.
Hamilton, J. (1994). Time Series Analysis, Princeton University Press, New Jersey.
Studenmund, A. H. (2017). Using Econometrics: A Practical Guide, Pearson.
Χρήστου Γ.Κ. (2002). Εισαγωγή στην οικονομετρία, Gutenberg.