Kurssin kuvaus

Ekonometrian tilastolliset perusteet on 5/6 op:n tilastotieteen aine-opintojen kurssi.

Kurssin voi suorittaa syventävänä, jolloin tenttikysymykset ovat vaativammat kuin aine-opintona suorittaville. Kurssin voi suorittaa myös 6 op:n laajuisena, jolloin 1/3 laskuharjoitustehtävistä on pakollisia.

Kurssin alussa esitellään monen muuttujan lineaarista regressiomallia ja siihen liittyvää asymptoottista teoriaa sekä mallin parametreja koskevien rajoitusten ja rakennemuutosten testaamista. Kurssilla käsitellään instrumenttimuuttujien käyttöä estimoinnissa ja estimointia silloin, kun mittausvirheitä esiintyy muuttujien mitatuissa arvoissa. Lineaarisen regressiomallin lisäksi käsitellään epälineaarista regressiota ja yleistettyä momenttimenetelmää. Kurssilla tutustutaan päättelyyn heteroskedastisuuden ja autokorreloituneiden virheiden tapauksissa.

Esitietoina suositellaan tilastotieteen perusteiden hallintaa.

Esitiedot taloustieteilijöille: Matematiikan perusteet taloustieteilijöille 1 ja 2, Tilastotieteen perusmenetelmät 1, Ekonometrian perusteet.

Bologna description

Luennot

Luennot pidetään tiistaisin 14.15-15.45 ja keskiviikkoisin 8.15-9.45.

Tiistain luennot PR101 ja keskiviikon luennot M203.

Luennot pidetään kevätlukukauden 2014 1. periodilla. Luentokurssi kestää 7 viikkoa siten, että kurssiin kuuluu yhteensä 14 kahden tunnin luentokertaa, eli yhteensä 28 tuntia luentoja.

Luento 1: 7.1.2014 ti: I Introduction and Background; 1 Introduction; 1.1 Causal Relationships and Ceteris Paribus Analysis 1.2 The Stochastic Setting and Asymptotic Analysis; 1.2.1 Data Structures; 1.2.2 Asymptotic Analysis; 1.3 Some Examples; 1.4 Why Not Fixed Explanatory Variables.

Luento 2: 8.1.2014 ke: Matrix Algebra and Ordinary Least Squares Estimator (cf. Greene Chapter 2). Matrix notation in linear regression. Matrix multiplication, transpose, and inverse matrix. Derivation of the least squares estimator and multikolinearity. The matrix formula and the summation formula of the least squares estimator.

Luento 3: 14.1.2014 ti: 2 Conditional Expectations and Related Concepts in Econometrics; 2.1 The Role of Conditional Expectations in Econometrics; 2.2 Features of Conditional Expectations; 2.2.1 Definition and Examples 2.2.2 Partial Effects, (Elasticities, and Semielasticities); 2.2.3 The Error Form of Models of Conditional Expectations;

Luento 4: 15.1.2014 ke: Appendix 2.A.1 : Properties of Conditional Expectation; 2.2.4 Some Properties of Conditional Expectations; 2.2.5 Average Partial Effects. 2.3 Linear Projection.

Luento 5: 21.1.2014 ti: Apendix 2.A.2 Properties of Conditional Variances. 3 Basic Asymptotic Theory; 3.1 Convergence of Deterministic Sequences; 3.2 Convergence in Probability and Bounded in Probability (Small and big oh p-notation, multiplication and addition rules, Slutsky's theorem, convergence in probability of matrix inverse).

Luento 6: 22.1.2014 ke: 3.3 Convergence in Distribution (asymptotically normal sequence, continuous mapping theorem, convergence of linear and quadratic forms of asymptotically normal random vectors, asymptotic equivalence lemma); 3.4 Limit Theorems for Random Samples (the weak law of large numbers, the central limit theorem); 3.5 Limiting Behaviour of Estimators and Test Statistics; 3.5.1 Asymptotic Properties of Estimators (consistent estimator, asymptotic variance, consistent estimator of asymptotic variance, asymptotic standard error, asymptotically efficient estimator, square-root-N-equivalent estimators).

Luento 7: 28.1.2014 ti: Lasse Koskinen (Model IT ja Aalto yliopisto): Big Data ja vakuutustoiminta Esitelmän kalvot

Luento 8: 29.1.2014 ke: 3.5.2 Asymptotic Properties of Test Statistics (Wald statistics). II Linear Models; 4 The Single-Equation Linear Model and OLS Estimation; 4.1 Overview of the Single-Equation Linear Model (endogeneity and exogeneity, causes of endogeneity); 4.2 Asymptotic Properties of OLS; 4.2.1 Consistency (conditions for consistency, identifiability of regression coefficients, analogy principle, proof of consistency); 4.2.2 Asymptotic Inference Using OLS (weakest form of homoskedasticity assumption, proof of asymptotic normality,…

Luento 9: 4.2.2014 ti: …, estimator of asymptotic variance, t-statistics, p-value, Wald statistics, F-statistics, R-squared); 4.2.3 Heteroskedasticity-Robust Inference (asymptotic normality under heteroskedasticity, heteroscedasticity robust standard errors, t-statistics, and Wald statistics); 4.2.4 Lagrange Multiplier (Score) Tests. 4.3 OLS Solutions to the Omitted Variables Problem; 4.3.1 OLS Ignoring the Omitted Variable;

Luento 10: 5.2.2014 ke: 4.3.2 The Proxy Variable-OLS Solution (consistency); 4.4 Properties of OLS Under Measurement Error; 4.4.1 Measurement error in the Dependent Variable; 4.4.2 Measurement Error in Explanatory Variable (classical errors-in-variables (CEV) assumption). 5 Instrumental Variables; 5.1 Instrumental Variables and Two-Stage Least Squares; 5.1.1 Motivation for Instrumental Variables (exogeneity and relevance of instrumental variables, identifiability, instrumental variables estimator); 5.1.2 Multiple Instruments: Two-Stage Least Squares;

Luento 11: 11.2.2014 ti: (two definitions of the 2SLS estimator); 5.2 General Treatment of 2SLS; 5.2.1 Consistency (identifiability under exogeneity and relevance of instrumental variables, analogy principle to derive definitions of 2SLS, consistency of 2SLS); 5.2.2 Asymptotic Normality of 2SLS (asymptotic variance under homoskedasticity and heteroskedasticity, …

Luento 12: 12.2.2014 ke: …, estimation of asmptotic variance under homoskedasticity and heteroskedasticity) 5.2.3 Asymptotic Efficiency of 2SLS (cf. Gauss-Markov Theorem in Chapter 6.6 of Greene, proof of asymptotic efficiency of 2SLS); 5.2.4 Hypothesis Testing with 2SLS (t-statistics and Wald statistics); 5.2.5 Heteroskedasticity-Robust Inference for 2SLS (look earlier); 5.3 IV Solutions to the Omitted Variables and Measurement Error Problems; 5.3.1 Leaving the Omitted Variable in the Error Term; 5.3.2 Solutions Using Indicators of the Unobservables

Luento 13: 18.2.2014 ti: Robust Estimation of Asymptotic Covariance Matrix (Cf. Chapter 11.2.5 of Greene, central limit theorem under weak dependence, asymptotic normality of OLS under weak dependence; Newey-West heteroskedasticity and autocorrelation robust estimator of the asymptotic variance)

Luento 14: 19.2.2014 ke: Nonasymptotic covariance matrix of the OLS-estimator; GMM and instrumental variables estimation. 6.2 Some Specification Tests; 6.2.1 Testing for Endogeneity (Hausman test); Testing for Heteroskedasticity (Breusch-Pagan test, White's test); Greene Chapter 13.5: Testing for Autocorrelation 13.5.1 Durbin-Watson test; 13.5.2 Box-Pierce test

Lukujen numerointi viittaa Wooldridgen kirjaan Econometric Analysis of Cross Section and Panel Data.

Laskuharjoitukset

Laskuharjoitukset pidetään torstaisin 16.15-17.45 Mikroluokassa M304 Matemaattisten tieteiden laitoksella. Laskuharjoituksia pidetään 7 kertaa.

Harjoitus I, 16.1. Laskuharjoitus 1 Tietokoneharjoituksen vastaukset
Harjoitus II, 23.1. Laskuharjoitus 2 Tietokoneharjoituksen vastaukset
Harjoitus III, 30.2. Laskuharjoitus 3 Tietokoneharjoituksen vastaukset
Harjoitus IV, 6.2. Laskuharjoitus 4 Tietokoneharjoituksen vastaukset
Harjoitus V, 13.2. Laskuharjoitus 5 Tietokoneharjoituksen vastaukset
Harjoitus VI, 20.1. Laskuharjoitus 6 Tietokoneharjoituksen vastaukset
Harjoitus VII, 26.2. kello 8.15 sali M302 Huom. aika ja paikka muuttunut. Laskuharjoitus 7 Tietokoneharjoituksen vastaukset

Suoritetuista harjoituksista saa lisäpisteitä. Lisäpisteitä annetaan suorassa suhteessa tehtyjen tehtävien määrään. Lisäpisteiden suurin määrä on 10.

Täydet pisteet voi saada pelkästään tenttiin osallistumalla. Aineopintotasoisena kurssin suorittavalle tentin maksimipistemäärä on 30, koska tentissä on 5 tehtävää ja jokaisesta tehtävästä voi saada 6 pistettä. Syventävänä kurssin suorittavalle tentin maksimipistemäärä on 36, koska tentissä on 6 tehtävää.

6 op suorittavalta vähennetään 12 pistettä lh-pisteistä, kun lasketaan lisäpisteiden määrä.

Tentti

Tentti pidetään laitoksen yleistentissä 10.3.2014.

Toinen tentti pidetään laitoksen yleistentissä 28.4.2014.

Kolmas tentti pidetään laitoksen yleistentissä 24.11.2014.

Kirjallisuus

Kurssin pohjana oleva kirjallisuus

Wooldridge, J. M. (2001). Econometric Analysis of Cross Section and Panel Data, The MIT Press. https://oula.linneanet.fi/vwebv/holdingsInfo?bibId=1312049

Kurssiin liittyvää suositeltavaa kirjallisuutta

William H. Greene: Econometric Analysis (Prentice Hall)
http://cc.oulu.fi/~mrahiala/ekonomet.pdf
Stock J. H. and Watson, M. W. (2007). Introduction to Econometrics, Pearson.

Luennoitsija

Jussi Klemelä