Faculty Members

Back

اقتصادسنجی کاربردی دکترا

امروزه اقتصادسنجی به ابزاری بسیار قدرتمند در دست پژوهشگران تبدیل شده است. این ابزار با بهره‌گیری از روش‌های متنوع آمار و ریاضی، امکان آزمون نظریه‌ها، پیش‌بینی متغیّرهای کلان و حتّی وجود روابط متّکی بر استدلال‌های اقتصادی را فراهم می‌سازد. رشد سریع این شاخه از علم اقتصاد و دسترسی به نرم‌افزارهای متنوّع، این امکان را فراهم کرده است تا پژوهشگران حوزه‌های مختلف علوم اجتماعی و حتّی سایر حوزه‌ها بتوانند با انواع داده‌هایی که در دهه‌های قبل قابل استفاده نبودند، کار کنند. در این درس هدف اصلی آشنایی دانشجویان با روش‌های تحلیل و نرم‌افزارهای اقتصادسنجی است.

 

                                                                                                                                                                                                                     دانشگاه شهید چمران اهواز

                                                                                                   معاونت آموزشی و تحصیلات تکمیلی

                                                                                              طرح درس ویژة درس‌های تحصیلات تکمیلی دانشگاه

 

آدرس ایمیل:

a.mhojat@gmail.com

مرتبة علمی:

دانشیار

نام و نام خانوادگی استاد:

امیر حسین منتظرحجت

نیمسال تحصیلی:

 

گروه:

اقتصاد

دانشکده:

اقتصاد و علوم اجتماعی

تعداد واحد: 3

نام درس:

اقتصادسنجی کاربردی

 دورة تحصیلی:

دکتری

 

جایگاه درس در برنامة درسی دوره: پیش‌نیاز

 

هدف کلی:

هدف کلی این درس پیاده‌سازی روش‌های آموخته شده در اقتصادسنجی ارشد است.

اهداف یادگیری:

دانشجویان پس از پایان دوره می بایست با موارد زیر آشنا شده باشند:

Ø        ساختارهای داده‌ای مقطعی، سری زمانی و ترکیبی،

Ø        روش‌های برآورد مدل،

Ø        انجام آزمون‌های نقض فروض کلاسیک،

Ø        مدل‌سازی با ساختارهای داده‌ای مختلف و

Ø        سیستم معادلات همزمان در عمل.

 

رفتار ورودی:

Ø          تسلط بر اقتصادسنجی نظری

Ø          تسلط بر مبانی ریاضی و آمار

Ø        تسلط بر اقتصاد خرد و کلان

مواد و امکانات آموزشی:

در اختیار داشتن نرم‌افزارهای:

Ø  Eviews

Ø  Stata

Ø  Excel

Ø  Limdep

 

 

روش تدریس:

روش تدریس ترکیبی است به طوریکه ابتدائا استاد درس مبانی نظری مرتبط با روش کار را تبیین می‌نماید. سپس کار با نرم افزار را آغاز می‌کند و مطلب را بصورت عملی پیاده‌سازی می‌نماید. سپس از دانشجویان می‌خواهد مطالب آموزش داده شده را بوسیله نرم‌افزار انجام دهند.

وظایف دانشجو:

حضور کامل در کلاس، مشارکت در بحث ها، پاسخ به مساِئل طرح شده، انجام تکالیف و انجام فرآیند مدلسازی سرکلاس.

 

 

شیوه آزمون و ارزیابی:

قسمتی از ارزیابی به طور ضمنی در طول زمان تدریس و مشارکت در بحث ها و حل مسائل انجام می گیرد و در پایان ترم نیز ارزیابی به صورت امتحان انجام می گیرد.

 

منابع درس:

 

روشی نوین در اقتصادسنجی مقدماتی تالیف: جفری ام ولدریج ترجمه دکتر امیرحسین منتظرحجت انتشارات دانشگاه شهید چمران، 1399

مبانی اقتصادسنجی تالیف: یان کمنتا، ترجمه:  کامبیز هژبر کیانی،

Econometric Methods, Jack Junston and J. Dinardo, 4th edition, 1997.

سرفصل های درس:

 

هفته اول:

بیان کلیات شامل: انواع داده‌های مورد استفاده در اقتصادسنجی بر حسب ماهیت و ساختار

تفاوت ماهوی داده‌های اقتصادی با علوم تجربی

تحلیل به شرط ثبات سایر شرایط (علی) بوسیله رگرسیونهای مرکب

 

هفته دوم:

 

مفهوم درون‌زایی و تبیین آن برای داده‌های ترکیبی

مدل‌سازی به کمک داده‌های ترکیبی بخش اول: مدل‌های ایستا شامل اثرات ثابت و تصادفی بوسیله نرم‌افزار Eviews

هفته سوم:

مفهوم درون‌زایی و تبیین آن برای داده‌های ترکیبی

مدل‌سازی به کمک داده‌های ترکیبی بخش اول: مدل‌های ایستا شامل اثرات ثابت و تصادفی بوسیله نرم‌افزار Stata

هفته چهارم:

 

·        تبیین روش‌های مقاوم نسبت به مشکل درون‌زایی بخش اول:

·        Instrumental Variables Method

هفته پنجم:

·        تبیین روش‌های مقاوم نسبت به مشکل درون‌زایی بخش دوم:

·        Two Stage Least Squares

                                                                                              هفته ششم:

·        تبیین روش‌های مقاوم نسبت به مشکل درون‌زایی بخش سوم:

·        Generalized Method of Moments

                                                                                      هفته هفتم:

 

·        مدل‌سازی پویا بوسیله داده‌های ترکیبی بخش اول:

·        Panel Co-integration

هفته هشتم:

·        مدل‌سازی پویا بوسیله داده‌های ترکیبی بخش اول:

·        Generalized Method of Moments

                                                                                        هفته نهم:

 

·        مدل‌سازی با استفاده از داده‌های مقطعی بخش اول:

·        Logit Model

·        Random Parameters Logit Model

هفته دهم:

·        مدل‌سازی با استفاده از داده‌های مقطعی بخش دوم:

·        Probit Model

                                                                                      هفته یازدهم:

·        مدل‌سازی با استفاده از داده‌های مقطعی بخش سوم:

·        Tobit Model

هفته دوازدهم:

·        مدل‌سازی با استفاده از داده‌های مقطعی بخش چهارم:

·        Censored, Interval, Truncated Regression Models

·         Endogenous Sample Selection

هفته سیزدهم:

·        مدل‌سازی با استفاده از سری‌های زمانی بخش اول:

·        ARIMA Modeling

·        ARCH and GARCH

هفته چهاردهم:

·        مدل‌سازی با استفاده از سری‌های زمانی بخش دوم:

·        Symmetric and Asymmetric Co-integration Methods

·        Threshold Co-integration

هفته پانزدهم:

·        مدل‌سازی با استفاده از سری‌های زمانی بخش سوم:

·        Auto Regressive Distributed Lag (ARDL)

                                                                                     هفته شانزدهم:

·        مدل‌سازی با استفاده از سری‌های زمانی بخش چهارم:

·        شکست ساختاری و انتقاد لوکاس

·        نقد اقتصادسنجی از نظر آرتور زلنر (2007)