ECON 3101
Ekonometrik Analiz I
Öğretim Elemanı: Dr. Öğr. Üyesi FIRAT YILMAZ
Dersin Amacı
Bu dersin amacı, öğrencilerin ekonometrinin temel kavramlarını ve yöntemlerini öğrenmelerini ve ekonomik ilişkileri ampirik olarak analiz edebilmelerini sağlamaktır. Ders kapsamında basit ve çoklu doğrusal regresyon modelleri, En Küçük Kareler yöntemi, regresyon katsayılarının yorumlanması, hipotez testleri, güven aralıkları ve model uyumunun değerlendirilmesi ele alınmaktadır. Öğrencilerin ekonomik verileri kullanarak ekonometrik modeller kurmaları, R/RStudio ortamında model tahmini gerçekleştirmeleri ve elde edilen sonuçları ekonomik açıdan yorumlamaları hedeflenmektedir.
Dersin İçeriği
Ekonometriye giriş ve ekonometrik modelleme süreci; ekonomik teori, matematiksel model ve ekonometrik model arasındaki ilişki; veri türleri; basit doğrusal regresyon modeli; En Küçük Kareler yöntemi; regresyon katsayılarının tahmini ve yorumlanması; klasik doğrusal regresyon modelinin temel varsayımları; tahmin edicilerin özellikleri; uygunluk ölçütleri ve R-kare; istatistiksel çıkarım; t ve F testleri; güven aralıkları; çoklu doğrusal regresyon modeli; modele değişken ekleme ve çıkarma; fonksiyonel biçimler; logaritmik modeller; kukla değişkenlere giriş; R/RStudio kullanılarak ekonomik veri setlerinin hazırlanması, regresyon modellerinin tahmin edilmesi ve sonuçların yorumlanması.
Dersin Ön Koşulu/ Yan Koşulu
Yok
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Temel Kaynak:Heiss, F., Using R for Introductory Econometrics, CreateSpace Independent Publishing Platform.Önerilen Kaynaklar:Wooldridge, J. M., Introductory Econometrics: A Modern Approach, Cengage Learning.Hanck, C., Arnold, M., Gerber, A. & Schmelzer, M., Introduction to Econometrics with R.Kleiber, C. & Zeileis, A., Applied Econometrics with R, Springer.Gujarati, D. N. & Porter, D. C., Basic Econometrics, McGraw-Hill.R ve RStudio yazılımları, ders notları, ekonomik veri setleri ve R uygulama dosyaları.
Akademik Dürüstlük ve Yapay Zeka
Öğrencilerin tüm ödev, proje, sınav ve diğer akademik çalışmalarında 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 hazırlanması ve yetkisiz yardımlaşma akademik dürüstlük ihlali olarak değerlendirilir.Yapay zeka araçları, ders sorumlusunun izin verdiği durumlarda öğrenmeyi desteklemek, ekonometrik kavramları açıklamak, R kodlarının hazırlanmasına yardımcı olmak veya analiz yöntemlerini araştırmak amacıyla kullanılabilir. Ancak yapay zeka tarafından oluşturulan kodların, analizlerin ve yorumların doğruluğunun kontrol edilmesi öğrencinin sorumluluğundadır. Yapay zeka araçları öğrencinin kendi ekonometrik analizinin, yorumunun veya akademik sorumluluğunun yerine geçemez. Yapay zeka kullanımı ders sorumlusunun belirlediği kurallara uygun biçimde belirtilmelidir.