Course: Mathematical Models in Econometrics

« Back
Course title Mathematical Models in Econometrics
Course code KMA/MME
Organizational form of instruction Lecture + Tutorial
Level of course Bachelor
Year of study not specified
Semester Winter
Number of ECTS credits 4
Language of instruction Czech, English
Status of course Compulsory, Compulsory-optional, Optional
Form of instruction Face-to-face
Work placements This is not an internship
Recommended optional programme components None
Lecturer(s)
  • Šedivá Blanka, RNDr. Ph.D.
  • Tomiczková Světlana, RNDr. Ph.D.
  • Ťoupal Tomáš, Ing. Ph.D.
Course content
1. Classical regression linear model with econometric applications. 2. Model selection and hypothesis tests. 3. Generalized regression model. Regression diagnosis. Weighted Least Square. 4. Special econometric models. regression models with dummy variables. Models with lagged variables. 5. Models for discrete choice. Limited dependent variables . truncation, censoring, sample selection. 6. Nonlinear regression models. 7. Systems of equations. Models for panel data. Simultaneous Equations models. 8. Models of interest rates and interest rate derivatives. 9. Quantitative risk management.

Learning activities and teaching methods
Interactive lecture, Lecture with practical applications, Students' portfolio, Individual study, Students' self-study
  • Contact hours - 39 hours per semester
  • Undergraduate study programme term essay (20-40) - 30 hours per semester
  • Preparation for an examination (30-60) - 40 hours per semester
prerequisite
professional knowledge
vysvětlit základní mikroekonomické a makroekonomické teorie hlavního proudu ekonomie (v rozsahu předmětů KEM/EK1 a KEM/EK2)
popsat a vysvětlit základní pojmy diferenciálního a integrálního počtu (v rozsahu předmětů KMA/M1 a KMA/M2)
popsat a vysvětlit základní operace maticového počtu (v rozsahu předmětu KMA/LA)
popsat a vysvětlit principy statistické inference - zejména principy bodových a intervalových odhadů a principy testování statistických hypotéz (v rozsahu předmětu KMA/PSA)
formulovat a vysvětlit definici pravděpodobnosti (v rozsahu předmětu KMA/PSA)
formulovat a vysvětlit definici pravděpodobnosti (v rozsahu předmětu KMA/PSA)
professional skills
využívat znalostí základních statistických metod a postupů pro jednoduchou analýzu dat
odlišovat různé typy náhodných veličin (diskrétní, spojité) a různé typy rozdělení
aplikovat teoretické ekonomické poznatky na modelové situace
general eligibility
N/A
learning outcomes
professional knowledge
popsat a vysvětlit předpoklady regresní analýzy a důsledek nedodržení předpokladu na kvalitu odhadu parametrů modelů
popsat a interpretovat regresní modely s binárními proměnnými
vysvětlit princip regresních modelů a popsat různé možnosti odhadu parametrů regresních modelů
formulovat ekonometrické modely jako regresní lineární a nelineární modely
professional skills
využívat znalostí o předpokladech regresních modelů k regresní diagnostice
formulovat regresní model vhodný pro konkrétní data
interpretovat ekonometrické modely širší odborné veřejnosti a je schopen posoudit adekvátnost použití navržených modelů
uplatnit správně formální i obsahovou stránku v matematickém projevu, a to písemném i ústním
v alespoň jednom SW prostředí odhadnout parametry lineárních a nelineárních regresních modelů
general eligibility
N/A
N/A
teaching methods
professional knowledge
Lecture with practical applications
Individual study
professional skills
Lecture with practical applications
Individual study
general eligibility
Individual study
Lecture with practical applications
assessment methods
professional knowledge
Combined exam
Seminar work
professional skills
Combined exam
Seminar work
general eligibility
Combined exam
Seminar work
Recommended literature
  • Anděl, Jiří. Matematika náhody. Vyd. 2. Praha : Matfyzpress, 2003. ISBN 80-86732-07-X.
  • ARLT, J. Moderní metody modelování ekonomických časových řad. Vyd. 1. Praha : Grada, 1999. ISBN 80-7169-539-4.
  • Cipra, Tomáš. Analýza časových řad s aplikacemi v ekonomii. SNTL Praha, 1986.
  • Cipra, Tomáš. Ekonometrie. SPN Praha, 1984.
  • G. Judge a spol. Theory and Practice of Econometrics.
  • HUŠEK, R. Ekonometrická analýza. Praha : Ekopress, 1999. ISBN 80-86119-19-X.
  • HUŠEK R. Základy ekonometrické analýzy II. Speciální postupy a techniky. VŠE, Praha 1998. 1998.
  • Hušek, Roman. Základy ekonometrické analýzy I : modely a metody. 1. vyd. Praha : VŠE, 1996. ISBN 80-7079-102-0.
  • Zvára, K. Regresní analýza. Academia Praha, 1989.


Study plans that include the course
Faculty Study plan (Version) Branch of study Category Recommended year of study Recommended semester
Faculty of Applied Sciences Financial Informatics and Statistics (2011) Economy 2 Winter
Faculty of Applied Sciences Information Systems (2016) Informatics courses 2 Winter
Faculty of Applied Sciences Mathematics for Business Studies (2016) Mathematics courses 2 Winter
Faculty of Applied Sciences Financial Informatics and Statistics (2014) Economy 2 Winter
Faculty of Applied Sciences Financial Informatics and Statistics (2014) Economy 2 Winter
Faculty of Applied Sciences Mathematics for Business Studies (2011) Mathematics courses 3 Winter
Faculty of Economics Information Systems Management (2013) Economy 2 Winter
Faculty of Applied Sciences Mathematics for Business Studies (2016) Mathematics courses 2 Winter
Faculty of Applied Sciences Information Systems (2013) Informatics courses 2 Winter
Faculty of Applied Sciences Training Teachers of Mathematics at Higher Secondary Scholls (2014) Pedagogy, teacher training and social care 1 Winter
Faculty of Applied Sciences Training Teachers of Mathematics at Higher Secondary Scholls (2014) Pedagogy, teacher training and social care - Winter
Faculty of Applied Sciences Information Systems (2015) Informatics courses 2 Winter
Faculty of Applied Sciences Information Systems (2017) Informatics courses 2 Winter