LV EN RU DE FR

Statistiskās un ekonometriskās metodes

Kursa izstrādātāji

Priekšzināšanas

Mate5001, Matemātiskā statistika

Kursa anotācija

Statistiskās un ekonometriskās metodes kursa priekšmets ir likumsakarību, varbūtējo situāciju prognozēšanas metodes, perspektīvo problēmu, attīstības mērķu noteikšana un pētīšana un, pamatojoties uz šī analīzes rezultātiem, lēmumu pieņemšana, vadot sociāli ekonomisko procesu attīstību. Maģistranti apgūst parametriskās un neparametriskās datu apstrādes metodes, parametrisko un neparametrisko statistisko metožu izvēles pamatprincipus.

Kursa rezultāti un to vērtēšana

• Zināšanas - spēj parādīt padziļinātas vai paplašinātas zināšanas un izpratni par divu un vairāku kopu parametriskām un neparametriskām datu apstrādes metodēm, to izvēles pamatprincipiem (1.kontroldarbs, 1.mājas darbs, praktiskie darbi); Pārzina laika rindas regresijas analīzi. Izvirza ekonomikas hipotēzes, kuras ietver atbilstošos parametrus, un kuras nodrošina pamatu pētniecībai, ka novērtētie parametri nav pretrunā ar fundamentāliem ekonomikas likumiem (2.kontroldarbs, 2.mājasdarbs, praktiskie darbi); spēj pielietot zināšanas ar ekonomikas pētījumu saistīto dažādu jomu saskarē (1. un 2.mājas darbs, praktiskie darbi).
• Prasmes – spēj patstāvīgi izmantot teoriju, metodes un problēmu risināšanas prasmes, lai veiktu pētniecisku darbību ekonomikas procesu parametru novērtēšanā, izmantojot ekonomikas teorijas vai hipotēzes formulējumu (1. un 2. kontroldarbs, 1. un 2.mājas darbs, praktiskie darbi). Spēj argumentēti izskaidrot un diskutēt par datu iegūšanu, ekonomikas teorijas un prognozēšanas modeļa specifikāciju konkrētās problemātikas pētījumam (mājas darbi).
• Kompetence – spēj maģistra darbā patstāvīgi formulēt un kritiski analizēt ekonomikas hipotēzes, veikt ekonomikas procesu prognozes novērtēšanu, interpretēt iegūtos rezultātus.

Kursa saturs(kalendārs)

1 Ievads R, R Studio: datu ievadīšana, datu grafiskā attēlošana, datu statistisko rādītāju noteikšana [L 1h,P 1h].
2 Datu empīriskais sadalījums un to atbilstība normālajam [L 1h,P 1h].
3 F- tests divu paraugkopu dispersiju salīdzināšanai. t- tests divu neatkarīgu paraugkopu vidējo salīdzināšanai[L 1h,P 2h].
4 Man Vitneja tests divu neatkarīgu paraugkopu salīdzināšanai[L 1h,P 2h].
5 t- tests divu savstarpēji atkarīgu paraugkopu vidējo salīdzināšanai[L 1h,P 2h].
6 Vilkoksona tests divu savstarpēji atkarīgu paraugkopu salīdzināšanai[L 1h,P 2h].
7 Viena un divu faktoru dispersijas analīze. Divu faktoru dispersijas analīze bez un ar atkārtojumiem[L 0.5h,P 1h].
8 Neparametriskās statistiskās metodes vairāku nesaistīto paraugkopu datu salīdzināšana: Kruskala –Valisa tests[L 0.5h,P 1h].
9 Kontinģences tabulas. Kvalitatīvu paraugkopu pārbaude ar Hī2- kvadrāta kritēriju[L 1h,P 2h].
10 1. kontroldarbs[P 2h].
11 Prognozēšanas metodes un posmi. Laika rindas statistiskie raksturotāji. Slīdošā vidējā metodes [L 1h,P 2h].
12 Laika rindu regresijas analīze [L 1h,P 2h].
13 Laika rindu strukturālas stabilitātes pārbaude [L 2h,P 4h].
14 Laika rindas dekompozīcijas metodes. Prognozēšanas kļūdas [L 2h,P 3h].
15 Korelācijas un autokorelācijas analīze [L 2h,P 3h].
16 2.kontroldarbs: Laika rindas [P 2h].

Prasības kredītpunktu iegūšanai

Eksāmena vērtējums ir atkarīgs no semestra kumulatīvā vērtējuma: 1.kontroldarbs (40 punkti), 2. kontroldarbs (40 punkti), teorija (20 punkti). 10 punkti veido eksāmena atzīmes 1 balli. Kontroldarbus var rakstīt tikai norādītā laikā un vienu reizi.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

1. mājas darbs. parametriskās un neparametriskās metodes divu un vairāku paraugkopu analīzei. (iesniedz e-studijās).
2. mājas darbs. Laika rindas (iesniedz e-studijās).

Studiju rezultātu vērtēšanas kritēriji

Eksāmena vērtējums ir atkarīgs no kontroldarbu kumulatīvā vērtējuma (80%) un teorijas (20%). Students teoriju kārto sesijas pārbaudījumu laikā. Studenti, kuriem studiju kursa kontroldarbu kumulatīvais vērtējums ir mazāks par 4 vai vēlas uzlabot to (ir vismaz 4), kārto teoriju vai eksāmenu. Eksāmens iekļauj praktisko daļu (80%) un teoriju (20%).

Obligātā literatūra

1. Arhipova I., Balina S. Statistika ekonomikā un biznesā: risinājumi ar SPSS un MS Excel: mācību līdzeklis. Rīga: Datorzinību centrs, 2006. 359 lpp.
2. Paura L., Arhipova I. Neparametriskās metodes. SPSS datorprogramma: mācību līdzeklis. Jelgava: LLKC, 2002. 148 lpp.
3. Gujarati, Damodar N. Basic econometrics. 3rd ed. New York [etc.]: McGraw-Hill, Inc., 1995. 838 p.
4. Kabacoff R. I. R in action: data analysis and graphics with R. Second edition. Shelter Island, NY: Manning, 2015. 579 P.

Papildliteratūra

1. Jansons V., Kozlovskis K. Ekonomiskā prognozēšana SPSS 20 vidē: mācību grāmata. Rīgas Tehniskā universitāte. 2012.
2. Šķiltere D. Pieprasījuma prognozēšana: Mācību līdzeklis. Rīga: Latvijas Universitāte, 2001.
3. Yaffee Robert A., Monnie McGee. Introduction to Time series Analysis and Forecasting with applications of SAS and SPSS. Academic Press, 2000.
4. Walter Enders. Applied econometric time series. Hoboken, NJ : Wiley, 2004

Periodika un citi informācijas avoti

1. Journal of Econometrics. Elsevier BV. ISSN 03044076
2. Journal of Applied Econometrics. John Wiley and Sons Ltd. ISSN 08837252, 10991255.
3. Computational Statistics and Data Analysis. Elsevier. ISSN 01679473

Piezīmes

Obligātais studiju kurss ESAF akadēmiskās maģistra augstākās izglītības studiju programmā "Ekonomika"