GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| BVA517 | Bilgisayar Destekli Ekonometri | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Bu dersin amacı, öğrencilere ekonometri modellerinin bilgisayar ortamında uygulanmasını öğretmek, veri analizi ve model tahmini süreçlerinde kullanılan yazılım araçlarını tanıtmak ve ekonomik verilerin analizi için pratik beceriler kazandırmaktır. Öğrenciler, teorik ekonometri bilgilerini kullanarak gerçek ekonomik veriler üzerinde analizler yapabilmeyi öğrenirler.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Öğrenci, ekonometri modellerini bilgisayar ortamında uygulayabilmek için gerekli yazılım araçlarını kullanır. |
| 2 | Öğrenci, temel ve ileri düzey regresyon analizlerini bilgisayar destekli olarak gerçekleştirir. |
| 3 | Öğrenci, ekonomik veri setleri üzerinde zaman serileri, panel veri ve nedensellik testleri gibi ileri düzey analizler yapar. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Ders, ekonometriye genel bir girişle başlar ve ardından veri setlerinin bilgisayar ortamına aktarılması, temizlenmesi ve ön işlenmesi konularına odaklanır. Temel regresyon analizleri, çoklu regresyon modelleri ve varsayımları, model tahmini ve değerlendirme yöntemleri bilgisayar destekli yazılımlar kullanılarak işlenir. Ayrıca zaman serileri analizi, panel veri modelleri ve karşılıklı nedensellik testleri gibi ileri düzey konular uygulamalı olarak ele alınır. Ders süresince öğrenciler, EViews, Stata, R veya Python gibi popüler ekonometri yazılımlarını kullanarak projeler geliştirirler.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Ekonometriye giriş ve yazılım araçlarının tanıtımı | ||
| 2 | Veri setlerinin hazırlanması ve ön işlenmesi | ||
| 3 | Temel regresyon analizi ve model kurma | ||
| 4 | Regresyon model varsayımları ve testleri | ||
| 5 | Çoklu regresyon modelleri ve uygulamaları | ||
| 6 | Model tahmini ve sonuçların yorumlanması | ||
| 7 | Heteroskedastisite ve otokorelasyon sorunları | ||
| 8 | Zaman serileri analizine giriş | ||
| 9 | ARIMA modelleri ve uygulamaları | ||
| 10 | Panel veri modelleri ve avantajları | ||
| 11 | Nedensellik testleri ve uygulamaları | ||
| 12 | Yazılımda uygulamalı proje çalışması | ||
| 13 | Ekonometrik model değerlendirme ve doğrulama | ||
| 14 | Güncel yazılım araçları ve yenilikler | ||
| 15 | Proje sunumları ve genel değerlendirme |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 76 | 76 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 72 | 72 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek