GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 9102066162008 | Panel Verilerin Ekonometrik Analizi | Seçmeli Ders Grubu | 1 | 2 | 8,00 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Dersin amacı, yatay kesit ve zaman serilerinin bir arada bulunduğu veri setlerinde ekonometrik analiz yöntemlerinin nasıl kullanılabileceğini öğrenciye vermektir. Bu çerçevede, panel veri model tanımlama, tahminleme, test etme, yorumlama ve politika kararlarına dönük olarak analiz süreçleri üzerinde durulacaktır. Böylece, sadece yatay kesit veya zaman serisi ile çalışmanın getirdiği tek yönlü bakış açısı problemi giderilebilecektir. Derste, daha önce uygulanmış araştırma verileri üzerinden bilgisayar programları yardımıyla panel veri analizleri yapılacaktır. Böylece öğrenciler daha derin ekonometrik analiz yapma becerisi kazanabileceklerdir.
Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Cihat Günden
Öğrenme Çıktıları
| 1 | Kesit ve zaman serisi verilerini birlikte analiz etme becerisi |
| 2 | Karar alma etkinliğini artırma |
| 3 | Zaman ve mekan etkilerini daha etkin analiz edebilme |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
• Sabit etkili ve tesadüfi etkili panel veri modelleri (birim etkili modeller, kukla değişkenli model, sabit katsayılı model, birim ve zaman etkili modeller, modellerin tahmin yöntemleri, en küçük kareler tahmincisi, kukla değişken modelinin ekk tahmincisi, sabit katsayılı modelin ekk tahmincisi, grup içi ve gruplar arası tahminci) • Tesadüfi etkili modeller (birim etkili modeller, hata bileşenleri modeli, tesadüfi katsayılı modeller, birim ve zaman etkili modeller, hata bileşenleri modeli, tesadüfi katsayılı modeller, tahmin yöntemleri, en küçük kareler yöntemi, genelleştirilmiş en küçük kareler (gekk) tahmincisi, uygulanabilir genelleştirilmiş en küçük kareler tahmincisi, maksimum olabilirlik tahmincileri) • Sabit etkili ve klasik modelin karşilaştirilmasi (model seçiminin testi, olabilirlik oran (lr) testi, tesadüfi etkili ve klasik modelin karşilaştirimlasi, lagrange çarpanı (lm) testi, tesadüfi ve sabit etkili modellerin karşilaştirilmalari, hausman testi)
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | PANEL VERİ MODELLERİ | ||
| 2 | SABİT ETKİLİ VE TESADÜFİ ETKİLİ PANEL VERİ MODELLERİ | ||
| 3 | Birim Etkili Modeller (Gretl yazılımı uygulamaları) Sabit katsayılı model Birim Ve Zaman Etkili Modeller Kukla değişken modeli Sabit katsayılı model Sabit Etkili Modellerin Tahmin Yöntemleri En Küçük Kareler Tahmincisi | ||
| 4 | Kukla Değişken Modelinin EKK Tahmincisi (Gretl yazılımı uygulamaları) Sabit Katsayılı Modelin EKK Tahmincisi | ||
| 5 | Grup İçi ve Gruplar Arası Tahminci (Gretl yazılımı uygulamaları) | ||
| 6 | TESADÜFİ ETKİLİ MODELLER (Gretl yazılımı uygulamaları) Birim Etkili Modeller Hata Bileşenleri Modeli Tesadüfi Katsayılı Modeller | ||
| 7 | Birim ve Zaman Etkili Modeller (Gretl yazılımı uygulamaları) Hata bileşenleri Modeli Tesadüfi Katsayılı Modeller | ||
| 8 | Arasınav | ||
| 9 | Tahmin Yöntemleri (Gretl yazılımı uygulamaları) En Küçük Kareler Yöntemi Genelleştirilmiş En Küçük Kareler (GEKK) Tahmincisi Uygulanabilir Genelleştirilmiş En Küçük Kareler Tahmincisi Maksimum Olabilirlik Tahmincileri | ||
| 10 | SABİT ETKİLİ VE KLASİK MODELİN KARŞILAŞTIRILMASI (Gretl yazılımı uygulamaları) Model Seçiminin Testi Olabilirlik Oran (LR) Testi | ||
| 11 | TESADÜFİ ETKİLİ VE KLASİK MODELİN KARŞILAŞTIRIMLASI (Gretl yazılımı uygulamaları) Lagrange Çarpanı (LM) Testi | ||
| 12 | TESADÜFİ VE SABİT ETKİLİ MODELLERİN KARŞILAŞTIRILMALARI (Gretl yazılımı uygulamaları) Hausman testi | ||
| 13 | Uygulamalı panel veri analizi (Gretl yazılımı uygulamaları) | ||
| 14 | Uygulamalı panel veri analizi (Gretl yazılımı uygulamaları) | ||
| 15 | Uygulamalı panel veri analizi (Gretl yazılımı uygulamaları) | ||
| 16 | Final sınavı |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Gretl software, panel data sets Laszlo Matyas and Patrick Sevestre, The Econometrics of Panel Data, 1996 Jeffrey M. Wooldridge, Econometric Analysis of Cross Section and Panel Data, 2001 Cheng Hsiao, Analysis of Panel Data, 2003 Badi H. Baltagi, Econometric Analysis of Panel Data, 3rd Edition, 2003
Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 3 | 3 |
| Final Sınavı | 1 | 3 | 3 |
| Derse Katılım | 14 | 3 | 42 |
| Problem Çözümü | 14 | 1 | 14 |
| Bireysel Çalışma | 14 | 5 | 70 |
| Ödev Problemleri için Bireysel Çalışma | 14 | 4 | 56 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 26 | 26 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 26 | 26 |
| Toplam İş Yükü (saat) | 240 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | |
| ÖÇ 1 | 3 | 5 | 4 | 5 | |||
| ÖÇ 2 | 3 | 5 | 4 | 4 | |||
| ÖÇ 3 | 4 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek