Anvendt økonometri med R

Etter å ha gjennomført emnet skal studentene ha tilegnet seg:

Kunnskaper:

• Forstå hvordan regresjonsanalyse ved minste kvadraters metode (MKM) kan brukes til å kvantifisere sammenhenger mellom variabler. Herunder en grundig forståelse av modellforutsetninger og konsekvenser av brudd på disse.
• Forstå hvordan normalfordelingen og avledede fordelinger anvendes i standard hypotesetesting.
• Kunne velge hensiktsmessig analyse- og modellform (matematisk representasjon) basert på problemstilling og tilgjengelige data.
• Opparbeide kunnskap om de vanligste typer regresjonsmodeller.
• Forstå hvorfor tidsrekkedata som hovedregel ikke oppfyller forutsetningen om tilfeldig utvalg (IID-forutsetningen), og hvilke tilleggskrav som må stilles for gyldig estimering og hypotesetesting.
• Forstå at økonometri kun er manipulering av korrelasjoner, og at korrelasjon ikke er det samme som kausalitet.

Ferdigheter:

• Beherske de mest grunnleggende beregningene i enkel lineær regresjon med minste kvadraters metode (MKM): skal kjenne til fremgangsmåten for å utlede normalligningene for en enkel regresjonsmodell..

Ved hjelp av statistikkverktøyet R med RStudio:

• Laste inn data. Importere programpakker for å løse spesielle operasjoner (f.eks. residualtester, lage tabeller, etc.)
• Lage og redigere script (programblokker) for å utføre enkel og multippel regresjonsmetode med både tverrsnitts- og tidsrekkedata. Lage grafer, figurer og tabeller som beskriver modellene, og som kan brukes i rapporter og andre skriftlige arbeider.
• Transformere ikke-lineære regresjonsfunksjoner, f.eks. log-transformasjon av eksponentielle funksjoner, slik at de blir lineære i parametrene og kan estimeres med MKM.

Generell kompetanse:

Studentene skal oppøve en kritisk sans til de forutsetninger som enkel regresjonsanalyse bygger på, slik at de kan evaluere både sine egne og andres arbeider. I mange konkrete anvendelser bryter disse forutsetningene sammen, og de skal kjenne til hvilke problemer dette kan gi, og hvordan de kan avhjelpes. Studentene må derfor utvikle sin kritiske sans, og kjenne til metoder for å teste om kritiske forutsetninger holder i praksis. Studentene skal også være bevisst på:

• at det finnes årsakssammenhenger som det ikke er mulig å kvantifisere i praksis,
• at data kan være mangelfulle ved at de f.eks. inneholder feil eller at utvalget er skjevt.

Med tanke på bacheloroppgave og senere arbeidsliv skal studentene kunne anvende et egnet statistikkverktøy til å estimere parametere i modellen, i dette tilfellet det svært mye brukte R og RStudio, samt presentere resultater i oversiktlige og selvforklarende tabeller, og ved ulike grafiske fremstillinger.