| Dersin Adı | Ekonometri |
| Kodu | Yarıyıl | Teori (saat/hafta) | Uygulama/Lab (saat/hafta) | Yerel Kredi | AKTS |
|---|---|---|---|---|---|
| ECON 301 | Güz/Bahar | 3 | 0 | 3 | 6 |
| Ön-Koşul(lar) |
| |||||||||||
| Dersin Dili | İngilizce | |||||||||||
| Dersin Türü | Seçmeli | |||||||||||
| Dersin Düzeyi | Lisans | |||||||||||
| Dersin Veriliş Şekli | - | |||||||||||
| Dersin Öğretim Yöntem ve Teknikleri | - | |||||||||||
| Dersin Koordinatörü | ||||||||||||
| Öğretim Eleman(lar)ı | ||||||||||||
| Yardımcı(ları) | ||||||||||||
| Dersin Amacı | Bu dersin temel amacı ileri derecede ekonometrik analiz yapabilmeleri için öğrencilerin temel istatistik bilgisini geliştirmektir. Özellikle, bu ders öğrencilere ekonometrik tekniklerde kapsamlı altyapı vermeyi, bu altyapının uygulamasını ve R-studio istatistik paket programının yüksek seviyede kullanımını amaçlar. Her öğrenci bu derste edindiği bilgileri göstermek amacı ile bir dönem projesi hazırlamak ile yükümlüdür. |
| Öğrenme Çıktıları | Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | Ekonometri iktisadi olaylara dair gerçek verilerden bilgi edinmek üzere geliştirilen, istatistik temelli bir yöntemler bütünü olarak tanımlanabilir. Ekonomik teorileri test edebilmek ve ekonomide yapılan ampirik çalışmaları anlayabilmek için ekonometri bilgisi gereklidir. Bu ders ekonominin farklı alanlarındaki örnekleri kullanarak ampirik çalışmanın nasıl yapılacağını öğretir. Ayrıca farklı türdeki ekonomik veriler, bunların nasıl elde edileceği ve nasıl kullanılacağı üzerine odaklanır. Regresyon analizi, en küçük kareler yöntemi, basit ve genel klasik regresyon modeli, hipotez testleri, model kurma sorunları, ardışık bağımlılık, çoklu varyans, çoklu doğrusallık işlenecek konular arasındadır. Ampirik çalışmayı yapabilmek için bu derste Eviews programı kullanılacaktır. |
| Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları |  |
|
| Temel Ders | X |
| Uzmanlık/Alan Dersleri | ||
| Destek Dersleri | ||
| İletişim ve Yönetim Becerileri Dersleri | ||
| Aktarılabilir Beceri Dersleri |
| Hafta | Konular | Ön Hazırlık |
| 1 | Regresyon Analizine Giriş | Stock, J. H., and; Watson, M. W. (2020) - Ch 1 |
| 2 | En Küçük Kareler - Basit Regresyon | Stock, J. H., and; Watson, M. W. (2020) - Ch 4 |
| 3 | En Küçük Kareler - Çoklu Regresyon | Stock, J. H., and; Watson, M. W. (2020) - Ch 5 |
| 4 | Klasik Regresyon Modeli | Stock, J. H., and; Watson, M. W. (2020) - Ch 5 -18 - 19 |
| 5 | Klasik Regresyon Modeli | Stock, J. H., and; Watson, M. W. (2020) - Ch 18 - 19 |
| 6 | Hipotez Testi | Stock, J. H., and; Watson, M. W. (2020) - Ch 7 |
| 7 | Hipotez Testi | Stock, J. H., and; Watson, M. W. (2020) - Ch 7 |
| 8 | Fonksiyonel Formlar | Stock, J. H., and; Watson, M. W. (2020) - Ch 6 |
| 9 | Ara Sınav | |
| 10 | Multicollinearity | Stock, J. H., and; Watson, M. W. (2020) - Ch 6 - 7 |
| 11 | Değişen Varyans | Stock, J. H., and; Watson, M. W. (2020) - Ch 6 - 7 |
| 12 | Değişen Varyans | Stock, J. H., and; Watson, M. W. (2020) - Ch 6 - 7 |
| 13 | Otokorelasyon | Stock, J. H., and; Watson, M. W. (2020) - Ch 15 |
| 14 | Otokorelasyon | Stock, J. H., and; Watson, M. W. (2020) - Ch 15 |
| 15 | Regresyon Analizinin Gözden Geçirilmesi | |
| 16 | Dönemin gözden geçirilmesi |
| Ders Kitabı |
Stock, J. H., and; Watson, M. W. (2020). Introduction to Econometrics. 4th |
| Önerilen Okumalar/Materyaller | Peter E. Kennedy, A Guide to Econometrics (5th Edition) |
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım | 16 | 10 |
| Laboratuvar / Uygulama | ||
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği | ||
| Portfolyo | ||
| Ödev | ||
| Sunum / Jüri Önünde Sunum | ||
| Proje | 1 | 20 |
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav | 1 | 30 |
| Final Sınavı | 1 | 40 |
| Toplam |
| Yarıyıl İçi Aktivitelerin Başarı Notuna Katkısı | 18 | 60 |
| Yarıyıl Sonu Aktivitelerin Başarı Notuna Katkısı | 1 | 40 |
| Toplam |
| Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
|---|---|---|---|
| Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 3 | 48 |
| Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) | 16 | ||
| Sınıf Dışı Ders Çalışması | 16 | 3 | 48 |
| Arazi Çalışması | |||
| Küçük Sınav / Stüdyo Kritiği | |||
| Portfolyo | |||
| Ödev | |||
| Sunum / Jüri Önünde Sunum | |||
| Proje | 1 | 24 | |
| Seminer/Çalıştay | |||
| Sözlü Sınav | |||
| Ara Sınavlar | 1 | 30 | |
| Final Sınavı | 1 | 30 | |
| Toplam | 180 |
| # | Program Yeterlilikleri / Çıktıları | * Katkı Düzeyi | ||||
1 | 2 | 3 | 4 | 5 | ||
| 1 | Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur. | |||||
| 2 | Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir. | |||||
| 3 | Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder. | |||||
| 4 | Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir. | X | ||||
| 5 | Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır. | X | ||||
| 6 | Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar. | X | ||||
| 7 | Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır. | |||||
| 8 | Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular. | |||||
| 9 | Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur. | X | ||||
| 10 | Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar. | |||||
| 11 | Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar. | |||||
| 12 | İkinci yabancı dili orta düzeyde kullanır. | |||||
| 13 | İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir. | |||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest
