Faglig innhold

Del 1:

• Kvantitativ forskningsmetode. Forskningsstrategi og design. Måling i samfunnsvitenskapen. Validitet og reliabilitet.
• Statistiske prinsipper. Estimering og hypotesetesting.
• T-tester, ett og to utvalg. Variansanalyser ANOVA. F-tester. Simultane konfidensintervall.
• Forutsetninger for testene. Anvendelser med moderne statistisk programvare.

Del 2:

• Klassisk multippel regresjonsmodell.
• "Ordinary Least Squares" OLS. Klassiske forutsetninger. Gauss-Markov teorem.
• Hypotesetesting for regresjonsmodellen: T-tester for regresjonskoeffisientene. Konfidensintervaller. F-test for total signifikans. F-tester for multiple hypoteser.
• Korrelasjonsanalyser. T-tester for korrelasjonskoeffisienter.

Del 3:

• Brudd på de klassiske OLS forutsetninger. Teori og anvendelser.
• Spesifikasjonsfeil. Valg av variabler. Funksjonell form. Ramsey RESET test for feilspesifisering.
• Ikkelineære regresjonsmodeller. Logaritmiske transformasjoner. Log funksjonell form. Polynomisk funksjonell form. Invers funksjonell form. Bruk av dummyvariabler. Laggede variabler.
• Multikollinearitet. Konsekvenser av multikollinearitet. VIF indekser.
• Autokorrelasjon i tidsserier. Konsekvenser av autokorrelasjon ved OLS-regresjon. Korrelogram. Ljung-Box test. Lagrange Multiplier test. Durbin-Watson test. Newey-West standardfeil. "Generalized Least Squares" GLS.
• Heteroskedastisitet. Konsekvenser av heteroskedastisitet. Breusch-Pagan test. White test. Heteroskedastisitets korrigerte standardfeil. "Weighted Least Squares" WLS.

Del 4:

• Tidsserie modeller. Distributed lag modeller. Dynamiske modeller og autoregressive (AR) modeller. Spuriøse regresjoner. Stasjonaritet. Dickey-Fuller test.
• Logistiske regresjonsmodeller. Lineær sannsynlighetsmodell.
• Simultane likninger. Bias ved OLS. "Two-stage Least Squares" 2SLS.
• Paneldata. Fixed effects og random effects modeller.
• Eksplorativ faktoranalyse. Hvordan utføre og tolke faktoranalyser.

Anvendelser av statistiske metoder og økonometri innen økonomiske analyser, ved bruk av moderne statistisk programvare.

Valg av statistisk programvare kunngjøres ved semesterstart.

Tar forbehold om endringer i faglig innhold.

Anvendelser av statistiske metoder og økonometri innen økonomiske analyser, ved bruk av moderne statistisk programvare.

Valg av statistisk programvare kunngjøres ved semesterstart.

Tar forbehold om endringer i faglig innhold.

Læringsutbytte

Kunnskaper

Studenten:

• Har inngående kunnskap om kvantitativ forskningsmetode innen grunnleggende økonometri.
• Har kunnskap om estimering og testing innen multiple regresjonsanalyser, og de klassiske forutsetningene som analysen bygger på. Avvik fra de klassiske forutsetningene drøftes både teoretisk og ved økonomiske eksempler.
• Har i tillegg kunnskap innen mye brukte multivariate teknikker som variansanalyser, korrelasjonsanalyser, logistiske regresjonsanalyser og eksplorative faktoranalyser.
• Kan tolke resultater av empiriske analyser og trekke konklusjoner på grunnlag av disse, og gjøre kvalifiserte valg mellom ulike modeller.

Ferdigheter

Studenten kan:

• På selvstendig grunnlag gjennomføre relevante statistiske analyser på økonomiske data ved bruk av moderne statistisk programvare.
• Tolke resultater av empiriske analyser, og trekke konklusjoner på grunnlag av disse analysene.
• Forholde seg kritisk til analyseresultater fra moderne statistisk programvare, og formidle disse faglig.

Generell kompetanse

Studenten kan:

• Anvende sine kunnskaper og ferdigheter innen kvantitativ metode og økonometri på økonomiske problemstillinger. Dette som et grunnlag for å kunne anvende statistiske metoder og forstå kvantitative forskningsartikler, i forbindelse med masteravhandlingen.
• Formidle statistiske resultater på en kritisk måte, og presentere usikkerheten ved ulike statistiske metoder.

Læringsformer og aktiviteter

Forelesninger og gruppearbeid, hvor studentene jobber aktivt med anvendelser av statistiske metoder innen økonomiske analyser, ved bruk av moderne analyseverktøy. Øvingene tar utgangspunkt i datasett fra de ulike hovedprofilene. Studentassistenter vil veilede ved øvinger. Kandidatene skal arbeide selvstendig både med obligatoriske og frivillige øvinger underveis i kurset.

Obligatoriske aktiviteter

• Obligatorisk innlevering

Spesielle vilkår

Anbefalte forkunnskaper

Ingen

Forkunnskapskrav

Ingen

Kursmateriell

Pensumlitteratur kunngjøres ved semesterstart.