ECON 3102 - Ekonometrik Analiz II

Bu dersin amacı, öğrencilerin ileri ekonometrik yöntemleri kavramalarını ve ekonomik verilerin analizinde uygun ekonometrik modelleri R/RStudio kullanarak uygulayabilmelerini sağlamaktır. Ders kapsamında model spesifikasyonu, heteroskedastisite, zaman serisi regresyonları, otokorelasyon, durağanlık ve kalıcılık, dinamik modeller, içsellik, araç değişkenler, iki aşamalı en küçük kareler ve sınırlı bağımlı değişken modelleri ele alınmaktadır. Öğrencilerin ekonometrik modelleri tahmin etmeleri, model varsayımlarını sınamaları, uygun düzeltme yöntemlerini kullanmaları ve ampirik sonuçları ekonomik açıdan yorumlamaları hedeflenmektedir.

Ekonometrik modelleme ve çoklu regresyonun gözden geçirilmesi; model spesifikasyonu ve fonksiyonel biçim; heteroskedastisite ve dirençli standart hatalar; zaman serisi verilerinin özellikleri; statik ve dinamik zaman serisi regresyonları; trend ve mevsimsellik; gecikmeli değişkenler ve dağıtılmış gecikme modelleri; durağanlık, kalıcılık ve birinci farklar; otokorelasyonun tespiti ve düzeltilmesi; HAC ve otokorelasyona dayanıklı standart hatalar; içsellik problemi; araç değişkenler yöntemi; iki aşamalı en küçük kareler (2SLS); araç değişkenlerin geçerliliği ve dışsallık testleri; eşanlı denklem modellerine giriş; ikili bağımlı değişken modelleri, doğrusal olasılık modeli, logit ve probit; R/RStudio kullanılarak ekonometrik modellerin tahmini, tanı testleri ve sonuçların yorumlanması.

Resmî bir ön koşul bulunmamaktadır. Bununla birlikte öğrencilerin temel istatistik, regresyon analizi ve ekonometri bilgisine sahip olmaları; çoklu doğrusal regresyon, hipotez testleri ve temel R/RStudio uygulamalarına aşina olmaları önerilmektedir.

Heiss, F. (2020). Using R for Introductory Econometrics (2nd ed.). Independently Published.

Öğrencilerin tüm sınav, çalışma ve diğer akademik faaliyetlerinde akademik dürüstlük ilkelerine uymaları beklenmektedir. Başka kaynaklardan alınan bilgi, veri, tablo, grafik, kod ve fikirler uygun biçimde kaynak gösterilmelidir. İntihal, veri veya sonuçların değiştirilmesi, başka bir öğrenci adına çalışma yapılması ve yetkisiz yardımlaşma akademik dürüstlük ihlali olarak değerlendirilir. Yapay zeka araçları, ders sorumlusunun izin verdiği durumlarda ekonometrik kavramları açıklamak, R kodlamasına yardımcı olmak veya alternatif analiz yöntemlerini araştırmak amacıyla kullanılabilir. Öğrenciler yapay zeka tarafından oluşturulan kodların, ekonometrik sonuçların ve yorumların doğruluğunu kontrol etmekten sorumludur. Yapay zeka araçları öğrencinin kendi ekonometrik analizinin, model seçiminin ve ekonomik yorumunun yerine geçemez.