Viacrozmerné kvantitatívne metódy v ekonómii

Vyučujúci

Zaradený v študijných programoch

Výsledky vzdelávania

Hlavným vzdelávacím cieľom predmetu je:
• oboznámiť študentov s princípmi viacrozmernej kvantitatívnej analýzy vhodnej pre analýzy v oblasti ekonómie a podnikania,
• naučiť študentov aplikovať vhodné sofistikované viacrozmerné kvantitatívne nástroje pri riešení praktických problémov v oblasti hospodárskej praxe,
• podporovať, budovať znalosti študentov pri výbere, hodnotení, identifikácii a interpretácii výsledkov použitých viacrozmerných kvantitatívnych metód.
Vedomosti:
Úspešný absolvent kurzu získa vedomosti z aplikácie viacrozmerných kvantitatívnych metód, ktoré je možné uplatniť pri rozhodovaní v rôznych oblastiach ekonómie, v rôznych oblastiach hospodárskej praxe.
Kompetentnosti:
Po absolvovaní predmetu je študent schopný vyriešiť a analyzovať problémy podnikovej a ekonomickej praxe použitím vhodných viacrozmerných štatistických metód a postupov, vhodným spôsobom interpretovať výsledky a na základe empirických výsledkov vyvodiť závery.
Zručnosti:
Absolvent je schopný implementovať, aplikovať sofistikované viacrozmerné štatistické analýzy, konštruovať viacrozmerné modely a vyvodzovať príslušné závery z aplikovaných viacrozmerných štatistických postupov a techník. Študent aplikuje získané teoretické vedomosti na riešenie konkrétnych ekonomických problémov.

Stručná osnova predmetu

• Základné princípy a koncepcia viacrozmerných kvantitatívnych metód v ekonómii.
• Viacrozmerná regresná analýza.
• Korelácia. Multikolinearita.
• Zovšeobecnený lineárny model (GLM).
• Regresné stromy.
• Faktorová analýza a analýza hlavných komponentov.
• Zhluková analýza.
• Diskriminačná analýza.
• Logistická regresia.

Odporúčaná literatúra

1. CLEFF, T. (2019). Applied Statistics and Multivariate Data Analysis for Business and Economics: A Modern Approach Using SPSS, Stata, and Excel. Springer, 2019. ISBN-13: 978-3030177669.
2. PITUCH, K.A. (2016). Applied Multivariate Statistics for the Social Sciences. Routledge, 2016. ISBN-13: 978-0415836661.
3. TABACHNICK, B.G. – FIDELL, L.S. (2013). Using Multivariate Statistics. Microsoft Press, 2013. ISBN-13: 978-1292021317.
4. SHARMA, S.(1996). Applied multivariate techniques. New York, John Wiley & Sons. 1996. ISBN 0-471-31064-6.
5. KHATTREE, R. – NAIK, D. N.(2000). Multivariate data reduction and discrimination with SAS® Software. Cary, NC: SAS Institute Inc., 2000. ISBN 1-58025-696-1.
6. IZENMAN, A.L. (2008). Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning. Springer, 2008. ISBN-13: 978-0387781884.

Sylabus predmetu

• Oboznámenie sa s použitím viacrozmerných kvantitatívnych metód v ekonómii. Voľba softvérového produktu k riešeniu úloh. • Viacrozmerná regresná analýza. Klasický lineárny regresný model. Odhady parametrov modelu, významnosť modelu, prínos vysvetľujúcich premenných. • Korelácia. Multikolinearita. Spôsoby výberu premenných. Overovanie podmienok. • Zovšeobecnený lineárny model (GLM). • Regresné stromy: CHAID (Chi-squared automatic interaction detection), CRT (Classification and regression). • Faktorová analýza a analýza hlavných komponentov. Stanovenie počtu hlavných komponentov. • Zhluková analýza. Miery podobnosti objektov. Hierarchické a nehierarchické zhlukovacie procedúry. • Diskriminačná analýza. Predpoklady, opisná úloha diskriminačnej analýzy, diskriminačné funkcie. • Logistická regresia. Odhad parametrov modelu, testovanie modelu, odhad pomerov šancí, hodnotenie kvality logistického modelu. • odporúčaný software: SaS, R Studio, IBM SPSS Modeler

Podmienky na absolvovanie predmetu

priebežná písomná práca, aktívne samoštúdium tém
prezentácia písomnej práce, obhajoba písomnej práce
• semestrálne zadanie – 40 %
• prezentácia písomnej záverečnej práce – 60 %

Pracovné zaťaženie študenta

• Účasť na kolokviách: 16 hodín
• Príprava na kolokviá: 44 hodín
• Spracovanie výskumnej štúdie: 100 hodín
• Príprava na záverečnú skúšku: 100 hodín

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu

anglický jazyk / slovenský jazyk

Dátum schválenia: 06.09.2024

Dátum poslednej zmeny: 20.01.2022

Dátum schválenia: 06.09.2024

Dátum poslednej zmeny: 20.01.2022