Excel
Kursa nosaukums Pētījumu metodoloģija ekonomikā II
Kursa kods EkonD124
Zinātnes nozare Ekonomika un uzņēmējdarbība
Kredītpunkti (ECTS) 6
Kopējais stundu skaits kursā 162
Semināru un praktisko darbu stundu skaits 32
Studenta patstāvīgā darba stundu skaits 130
Kursa apstiprinājuma datums 26/02/2019
Atbildīgā struktūrvienība Ekonomikas un finanšu institūts
 
Kursa izstrādātājs(-i)
Dr. habil. sc. ing., prof. Pēteris Rivža
Dr. phil., asoc. prof. Signe Dobelniece
Dr. oec., doc. Līga Zvirgzdiņa
Dr. oec., prof. Andra Zvirbule

Priekšzināšanas
EkonD123, Pētījumu metodoloģija ekonomikā I
Kursa anotācija
Studiju kurss paredz iegūt visaugstākā līmeņa praktiskās zināšanas, augsti attīstītu izpratni un specializētas prasmes metožu pielietošanā ekonomiskajos pētījumos, kas rada pamatu jaunām idejām un inovatīvai pētniecībai. Kursa programmā ir veidota tā, lai doktoranti, ievērojot informācijas daudzkritēriju raksturu un veicot izvēli no vairākām alternatīvām, padziļināti apgūst datu ranžēšanas un hierarhiju analīzes metodes, ekonomisko procesu datormodelēšanu, aptauju un interviju datu apstrādes un interpretācijas metodes, kritiski izprot eksperimentālo datu sagatavošanas un apstrādes principus darbā ar SPSS datorprogrammu, spēj demonstrēt specializētas prasmes un darba tehnikas kvantitatīvo metožu praktiskā pielietojumā ekonomiskajos pētījumos.
Kursa rezultāti un to vērtēšana
•Zināšanas - visaugstākā līmeņa zināšanas par eksperimentālo datu sagatavošanas un apstrādes principiem darbā ar MS Excel un SPSS datorprogrammām; visaugstākā līmeņa zināšanas un kritiska izpratne par ranžēšanas un hierarhiju analīzes metožu būtību un to praktisko pielietojumu pētniecībā; padziļinātas un specializētas zināšanas par aptauju un interviju rezultātu apstrādes metožu daudzveidību ekonomiskajos pētījumos, par iegūto rezultātu interpretācijas problēmām un to risinājumiem; visaugstākā līmeņa zināšanas un kritiska izpratne par ekonomisko procesu modeļu klasifikāciju, to pielietošanas ierobežojumiem, par datormodelēšanas vidi un programmām.
Zināšanas tiek novērtētas ar sekojošām metodēm: diskusija, referāts, praktiskais darbs, problēmsituācijas analīze.
•Prasmes - augsti attīstītas un specializētas prasmes apstrādāt datus ar MS Excel un SPSS programmām, pielietojot atbilstošas kvalitatīvās un kvantitatīvās datu analīzes metodes, kas nepieciešamas, lai risinātu kritiskas problēmas saistībā ar pētījumu; spēj kritiski pamatot un pielietot hierarhiju analīzes metodi lēmumu pieņemšanai savos pētījumos; spēj izvēlēties un izmantot savam pētījumam atbilstošo ekonomisko procesu modeli un tā realizācijas vidi. Prasmes tiek novērtētas ar sekojošām metodēm: referāts, praktiskais darbs, diskusija.
•Kompetences - demonstrē zinātnisko un profesionālo patstāvību, pielietojot un adaptējot savam pētījumam atbilstošas ekonomisko pētījumu metodes, kas vērstas un pētījuma kritisko problēmu risināšanu; demonstrē inovatīvu pieeju pētījuma rezultātu interpretēšanā un noformēšanā, kas rada pamatu inovatīvai pētniecībai un esošo zināšanu paplašināšanai. Kompetences tiek novērtētas ar sekojošām metodēm: diskusija, individuālais darbs, praktiskais darbs, referāts.
Kursa saturs(kalendārs)
1.Eksperimentālo datu sagatavošanas un apstrādes principi darbā ar datorprogrammu; kvantitatīvo metožu praktiskais pielietojums ekonomiskajos pētījumos
Hipotēžu pārbaude ekonomiskajos pētījumos. 2 kritērijs. Parametriskās divu paraugkopu analīzes metodes. Parametriskās vairāku paraugkopu analīzes metodes. Korelācijas analīze. Regresijas analīze. Neparametriskās divu paraugkopu analīzes metodes. Neparametriskās vairāku paraugkopu analīzes metodes. Eksperimentālo datu sagatavošanas un apstrādes principi darbā ar izklājlapu (aprēķinu tabulu) lietotni, piemēram, MS Excel un SPSS. Dinamikas laikrindu analīze. Klasteru analīze.
2.Aptaujas un intervijas: rezultātu apstrāde, interpretācija
Aptaujas rezultātu analīzes iespējas. Pētījuma rezultātu skaidrošana.
Kvantitatīvās izpētes rezultātu analīzes un interpretācijas problēmas. Apstrādes metožu izvēles iespējas un kombinācijas. Neatbildētie jautājumi un izvairīšanās no atbildes: interpretācijas un apstrādes iespējas. Tipiskās kļūdas. Jaukto metožu pētījumu datu analīze un interpretācija. Citu kvantitatīvo sociālo pētījumu metožu datu apstrāde un analīze.
3.Ranžēšanas metodes un hierarhiju analīzes metode (AHP)
Ranžēšanas sakopotās metodes – svērtās summēšanas metode, mērķu izpildes matrica, pāru salīdzināšanas analīze, transformācijas metode. Ranžēšanas nesakopotās metodes - alternatīvu izvērtēšanai. Hierarhiju analīzes metodes pielietošana lēmumu pieņemšanā. Šīs tēmas ietvaros doktoranti izstrādā praktisko darbu AHP metodes izmantošanā, lai pieņemtu lēmumus divu līmeņu alternatīvām.
4.Ievads ekonomisko procesu datormodelēšanā Ekonomisko procesu modeļu klasifikācija. Datormodelēšanas vides un programmas. Ekonomisko procesu modeļu veidu izvēles kritēriji. Optimizācijas modeļi. Dinamiskie modeļi un to raksturojums. Dinamisko modeļu izveide, verifikācija, validācija un izmantošana. Imitācijas modeļi un to raksturojums. Imitācijas modeļu izveide, verifikācija, validācija un izmantošana. MATLAB un Simulink modeļi un to raksturojums. Simulink modeļu lietojumi ekonomikā. Lēmumu pieņemšanas modeļi, to klasifikācija un lietošanas jomas.
Prasības kredītpunktu iegūšanai
Jānokārto ieskaite ar atzīmi.
Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums
Doktorants patstāvīgi izpilda praktisko darbu par hierarhiju analīzes metodi, lēmuma pieņemšanas divu līmeņu alternatīvām, kā arī sagatavo referātu par datu analīzi un grupēšanu, raksturojot un analizējot iegūtos rezultātus.
Studiju rezultātu vērtēšanas kritēriji
Studiju kursa vērtējumu veido ieskaite ar atzīmi, kas veidojas akumulējošā veidā, sagatavojot praktisko darbu par hierarhiju analīzes metodi (veido 50% no gala atzīmes) un referātu par datu analīzi un grupēšanu (veido 50% no gala vērtējuma).
Obligātā literatūra
1.Arhipova I., Bāliņa S. Statistika ekonomikā un biznesā: risinājumi ar SPSS un Microsoft Excel. Rīga: Datorzinību Centrs, 2006, 362 lpp.
2.Kroplijs A., Raščevska M. Kvalitatīvās pētniecības metodes sociālajās zinātnēs. Rīga, 2004, 178 lpp. 3.Saaty Th.L. (2010) Principia Mathematica Decernendi: Mathematical Principles of Decision Making. RWS Publications, Pittsburgh, 531 p.
Papildliteratūra
1.Singh K. Quantitative social research methods. Los Angeles : SAGE Publications, 2007, 431p.
2.Bandeviča L. Matemātiskā modelēšana ekonomikā un menedžmentā (teorija un prakse): mācību grāmata augstskolām, 3.izd. (pārstrādāts un papildināts). Rīga: SIA Izglītības soļi, 2009, 443 lpp.
3.Cuaresma J.C., Palokangas T., Tarasyev A. Dynamic Systems, Economic Growth and the Environment: Dynamic Modeling and Econometrics in Economics and Finance. Springer, 2009, 289 p. 4.Jansons V., Kozlovskis K. Ekonomiskā prognozēšana SPSS 20 vidē. Rīga, RTU Izdevniecība, 2012., 547 lpp.
Piezīmes
Zinātnes apakšnozares speckurss ESAF doktora studiju programmai „Agrārā un reģionālā ekonomika”