Analýza údajov v ekonómii

Vyučujúci

Zaradený v študijných programoch

Výsledky vzdelávania

Cieľom predmetu je poskytnúť študentom základné znalosti a zručnosti v oblasti štatistických metód, ekonometrickej analýzy a aplikácie štatistického softvéru STATA. Predmet kladie dôraz na praktickú prácu s dátami a ich interpretáciu v kontexte spoločenských a ekonomických javov. Študenti sa oboznámia so základmi štatistického výskumu, vizualizáciou dát, analýzou bivariačných a multivariačných vzťahov, diagnostikou regresných modelov a úvodom do kauzálnej inferencie.
Po absolvovaní predmetu by mali študenti získať:
a.) vedomosti o základných štatistických metódach, princípoch a predpokladoch regresie a diagnostiky modelov. Rozumie rozdielu medzi koreláciou a kauzalitou. Vie efektívne pracovať so softvérom STATA na spracovanie a analýzu dát.
b.) zručnosti spracovať, vizualizovať a analyzovať dáta v STATA. Vie aplikovať štatistické a regresné metódy na praktické problémy.
c.) kompetentnosť interpretovať výsledky štatistických analýz. Dokáže kriticky hodnotiť výskumné štúdie a navrhovať riešenia na základe dát. Vie výsledky komunikovať zrozumiteľne a prakticky využiť vo svojej práci.

Stručná osnova predmetu

Týždeň 1: Úvod do výskumu
Metodológia štatistického výskumu
Štatistická metóda a logika štatistického usudzovania
Všeobecné zákony a teórie: objektivita a kritický realizmus
Týždeň 2: Úvod do štatistiky a programu STATA
Štatistická metóda a logika štatistického usudzovania
Dôležitosť hladiny významnosti pri skúmaní celej populácie
Analýza kvantitatívnych výskumných štúdií
Týždeň 3: Základy softvéru STATA
Zoznámenie s prostredím STATA a jeho funkciami
Vkladanie a importovanie dát do STATA z ekonomických databáz a rôznych dátových súborov
Základná správa dát: otváranie, prehliadanie a úprava premenných
Generovanie a označovanie premenných, podmnožiny dát
Týždeň 4: Deskriptívna štatistika
Vytváranie frekvenčných distribúcií a sumarizačných štatistík
Práca s dátami: pripájanie, spájanie a transformácia dát
Základy tvorby grafov v STATA
Týždeň 5: Vizualizácia dát
Základy tvorby grafov
Vizualizácia spojitých a kategorických typov údajov
Vizualizácia nepodmienených vzťahov
Týždeň 6: Bivariačné inferenčné štatistiky
Korelácia a jej aplikácie
Nezávislé t-testy, analýza rozptylu (ANOVA), chí-kvadrát testy
Týždeň 7: Jednoduchá lineárna regresia a ekonometrický model
Úvod do regresnej analýzy a princíp metódy najmenších štvorcov
Posúdenie kvality modelu: zhoda modelu, testy hypotéz a predikcia
Týždeň 8: Interakčné efekty v regresii
Definícia interakčných efektov a ich analýza
Práca s interakčnými premennými (spojité a diskrétne umelé premenné)
Týždeň 9: Predpoklady a diagnostika lineárnej regresie
Korektná špecifikácia modelu: linearita, aditivita, multikolinearita
Predpoklady o reziduách: homoskedasticita, normalita a nezávislosť
Identifikácia vplyvných pozorovaní: leverage, DFBETA, Cookova vzdialenosť
Týždeň 10: Úvod do kauzálnej inferencie
Prečo kauzálna inferencia? Rozdiel medzi koreláciou a kauzalitou.
Potenciálny výsledok (Potential Outcomes Framework)
Prirodzené experimenty a základné koncepty kauzality:
Náhodné priradenie (Randomization)
Kontrafaktuálny scenár
Týždeň 11-13: Replikácia štúdií a prezentovanie projektov využívajúce lineárnu regresiu, prácu s údajmi a vizualizáciu
Prezentácia príkladov na použitie lineárnej regresie na vybraných prípadových štúdiách z verejných politík (diskriminácia na trhu práce, dopad fajčenia na zdravie, vplyv zvýšenej dane na cenu sladených nápojov, meranie ochoty platiť za znižovanie miery znečistenia životného prostredia z učebnice a iné Doing Economics alebo praktických štúdií IFP, UHP a iných analytických jednotiek)

Odporúčaná literatúra

Mehmetoglu, M., & Jakobsen, T. G. (2022). Applied Statistics Using Stata: A Guide for the Social Sciences.
Lukáš Laffers (2024) Pravdepodobnosť a štatistika 1: Open Access e-text: https://lukaslaffers.github.io/pas1/
Lukáš Laffers (2021) Moderná aplikovaná regresia 1: Open Access e-text: https://static1.squarespace.com/static/52e69d46e4b05a145935f24d/t/64a0a2214abdb23994e932a2/1688248868079/MAR1_poznamkyMain.pdf
IFP (2016) Ideálny čas pre adresnejšie zdanenie fajčiarov: Open Access e-text: https://www.mfsr.sk/files/archiv/priloha-stranky/19972/81/Idealny-cas-adresnejsie-zdanenie-fajciarov.pdf
IFP(2019) V nájme ďalej zájdeš Podpora bývania na Slovensku: Open Access e-text: https://www.mfsr.sk/files/archiv/24/Podpora_byvania_analyza.pdf
CORE Team, The (2018). Doing Economics. Open Access e-text https://core-econ.org/doing-economics. CORE Team
Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. (kapitola 4 a 5)

Podmienky na absolvovanie predmetu

20 % - aktivita na seminároch
50 % - zadania
30 % - záverečná skúška

Pracovné zaťaženie študenta

Celkové pracovné zaťaženie študenta: 78 h
Z toho:
účasť na seminároch 26 h,
príprava na semináre 26h,
spracovanie zadaní 26h.

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu

slovenský jazyk, anglický jazyk

Dátum schválenia: 11.03.2025

Dátum poslednej zmeny: 11.03.2025

Dátum schválenia: 11.03.2025

Dátum poslednej zmeny: 11.03.2025