• Forstå økonometriske metoder til estimation og inferens for forskellige datastrukturer
• Vælge en økonometrisk model fra dem, der er introduceret i kurset, og forklare, hvorfor det er den passende model til den specifikke situation
• Vælge en økonometrisk model fra dem, der er introduceret i kurset, og forklare, hvorfor det er den passende model til den specifikke situation
• Præsentere de væsentlige estimationsresultater og redegøre for deres betydning
• Relatere R-kode og R-output til de økonometriske modeller introduceret i kurset
• Estimere modeller og være i stand til at fortolke estimeringsresultaterne ved hjælp af passende software (R)

Målet med kurset er at give de studerende en forståelse af udformning, estimering og fortolkning af grundlæggende økonometriske modeller der ofte bruges i mikro- og makroøkonomi. Kurset giver både en teoretisk og en anvendt (hands on) vinkel på emnet. Økonomiske datasæt vil blive brugt til at illustrere de forskellige modeller og til at praktisere håndværk og fortolkning. Dette betyder, at der vil være en teknisk præsentation af materialet, inklusive bevis der bruger matrixalgebra, og arbejde med data på computeren. Fokus er at forbinde de underliggende statistiske modeller med det økonomiske problem og implementere dem på en meningsfuld måde. Den statistiske pakke R anvendes. Kurset tilbydes som en blanding af forelæsninger og øvelser. Hvert sæt forelæsninger efterfølges af øvelser, som vil hjælpe den studerende med at uddybe forståelsen af materialet og tilegne sig yderligere praktiske færdigheder. Kurset består af to dele, hvor den første er centreret omkring den (flere) lineære regressionsmodel. Her diskuteres praktiske aspekter, selektion af variabler og statistiske egenskaber for estimater af mindstekvadrater (OLS, (F) GLS) vurderes (Gauss-Markov antagelserne, BLUE / Effektivitet). Dette efterfølges af krænkelser af Gauss-Markov-antagelserne (Heteroskedasticitet, Seriel / Autokorrelation, robust statistik). Delen afsluttes med en introduktion til politisk analyse og programevaluering. Den anden del fokuserer først på problemet med endogenitet. Dette inkluderer dens kilder (udeladte variabler, funktionsform, målefejl, samtidigheder ...) og de deraf følgende konsekvenser. Studerende vil derefter se proxy- og IV-regressionsmetoder til at tackle endogeniteter, og se hvor nyttige de er til at estimere samtidige ligningsmodeller. Dette efterfølges af en omfattende behandling af metoder til maksimal sandsynlighed ved hjælp af Kullback-Leibler informationskriterium. Kurset afsluttes med begrænsede afhængige variable modeller, især tobitmodellen, censurering og prøvekorrektion.

Kurset omfatter to dele:

A Multipel regressionsanalyse
B Endogenitet og ikke-lineære modeller

A Multipel regressionsanalyse

A0 Intro: Hvad er Økonometri? (1h)
A1 Estimering af OLS, Egenskaber, Gauss-Markov, valg af variabler (5h)
A2 Krænkelser af Gauss Markov- antagelserne (Heteroskedasticitet, seriekorrelation, (F)GLS) (4h)
A3 Politikanalyse (2h)

MIDTERM EKSAMEN

B Emner i tværsnit økonometri

B1 Endogenitet (4h)
B2 Samtidige ligningsmodeller (2h)
B3 Maksimal sandsynlighed estimering (2h)
B4 Begrænsede afhængige variable modeller (3h)
B5 Evaluering + anmeldelse (1h)

AFSLUTTENDE EKSAMEN

•    Wooldridge, J. (2020), Introductory Econometrics, 7th Edition, Cengage.

•    Wooldridge, J. (2010), Econometric Analysis of Cross Section and Panel Data, 2nd Edition, The MIT Press.

•    Hansen, B. (2022), Econometrics, Princenton University Press.

En mere detaljeret pensum liste vil blive stillet til rådighed i begyndelsen af kurset.