Psikoloji | |||||
Lisans | Programın Süresi: 4 | Kredi Sayısı: 240 | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF: 6. Düzey |
School/Faculty/Institute | Faculty of Economics, Administrative and Social Sciences | ||||
Course Code | ECON 301 | ||||
Course Title in English | Econometrics I | ||||
Course Title in Turkish | Ekonometri I | ||||
Language of Instruction | EN | ||||
Type of Course | Flipped Classroom | ||||
Level of Course | Select | ||||
Semester | Fall | ||||
Contact Hours per Week |
|
||||
Estimated Student Workload | 136 hours per semester | ||||
Number of Credits | 5 ECTS | ||||
Grading Mode | Standard Letter Grade | ||||
Pre-requisites |
MATH 204 - Probability and Statistics for Social Sciences II |
||||
Expected Prior Knowledge | Knowledge of mathematical concepts and statistics | ||||
Co-requisites | None | ||||
Registration Restrictions | None | ||||
Overall Educational Objective | The aim of the course is to provide students the scope and the methodology of econometrics. | ||||
Course Description | This is first part of econometrics course and the aim is to provide students the scope and the methodology of econometrics. After a brief refresher on probability and statistics, students will first be introduced to univariate regression analysis (its theory, the statistical and economic interpretation of regression results, etc.). Later, the discussion will be extended to topics such as the problem of estimation in regression models, multivariate regression analysis and nonlinear regression functions. Each topic will be discussed as a theoretical approach and applications for every topic will be covered during the term. The course is quantitatively rigorous and requires knowledge of mathematics and statistics. Upon successful completion of the course, students will be able to conduct simple econometric analysis using linear models and gain insight into the interpretation of empirical economic research findings. | ||||
Course Description in Turkish | Ekonometri dersinin ilk kısmı olan bu dersın amacı, öğrencilerin ekonometrinin ana konu başlıklarına tanıdık hale gelmelerini sağlamaktır. Olasılık ve istatistik konuları üzerinde birer haftalık bir hatırlatma yaptıktan sonra, öğrencilere öncelikle tek değişkenli regresyon analizini (teorisi, regresyon sonuçlarının istatistiksel ve ekonomik yorumu vb.) tanıtılacakdır. Daha sonra, regresyon modellerinde tahmin problemi, çok değişkenli regresyon analizi ve doğrusal olmayan regresyon fonksiyonları gibi konulara değinilecektir. Her konu teorik olarak ele alınacak ve sonrasında konu uygulamalı örneklerle pekiştirilecektir. Ders başarı ile tamamlandığında, öğrenci, doğrusal modeller kullanarak basit ekonometrik analizler yapabiliyor olmalı ve öğrencinin ampirik ekonomik araştırma bulgularının yorumlanmasına ilişkin becerisini geliştirmiş olması beklenmektedir. |
Course Learning Outcomes and CompetencesUpon successful completion of the course, the learner is expected to be able to:1) Tek değişkenli ve çok değişkenli regresyon analizlerinin tekniklerini anlama ve sonuçları yorumlama. 2) Ekonomik verileri standart lineer regresyon modeli kullanarak analiz etme. 3) Ekonometrik modellerden çıkarım yapma ve ilgili sonuçları değerlendirme. |
Program Learning Outcomes/Course Learning Outcomes | 1 | 2 | 3 |
---|---|---|---|
1) Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. | |||
2) Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. | |||
3) Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. | |||
4) Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. | |||
5) Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. | |||
6) Mesleki etik standartların içselleştirilmesi ve yayılması. | |||
7) Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. | |||
8) Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. | |||
9) Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. | |||
10) Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. | |||
11) Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. | |||
12) Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. | |||
13) Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. |
N None | S Supportive | H Highly Related |
Program Outcomes and Competences | Level | Assessed by | |
1) | Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. | N | |
2) | Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. | N | |
3) | Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. | H | Exam,HW,Participation |
4) | Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. | N | |
5) | Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. | N | |
6) | Mesleki etik standartların içselleştirilmesi ve yayılması. | N | |
7) | Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. | N | |
8) | Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. | N | |
9) | Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. | S | Participation |
10) | Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. | S | HW,Participation |
11) | Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. | N | |
12) | Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. | S | Exam,HW |
13) | Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. | H | Exam,HW |
Prepared by and Date | NAROD ERKOL , February 2024 |
Course Coordinator | MUHAMMED ABDULLAH ALTUNDAL |
Semester | Fall |
Name of Instructor | Dr. Öğr. Üyesi NAROD ERKOL |
Hafta | Konu |
1) | Derse giriş: Ekonomik sorular ve veriler |
2) | Olasılığa genel bir bakış: Olasılık Dağılımlarının Özellikleri |
3) | İstatistiksel Kavramlara Genel Bir Bakış: Tahmin ve Hipotez testi |
4) | Regresyon analizine giriş |
5) | Tek değişkenli lineer regresyon |
6) | İki Değişkenli Regresyon Analizi: Bazı Temel Fikirler |
7) | Tek değişken ile regresyon analizi: Hipotez Testleri |
8) | Ara sınav |
9) | Tek değişken ile regresyon: Güven Aralıkları |
10) | İki değişkenli regresyon modeli: Tahmin Problemi |
11) | Çoklu Değişkenli Lineer Regresyon |
12) | Çok Değişkenli Regresyon Analizi: Tahmin Problemi |
13) | Çoklu Regresyonda Hipotez Testleri ve Güven Aralıkları |
13) | Doğrusal Olmayan Regresyon Fonksiyonları |
15) | Final sınavı |
Required/Recommended Readings | Stock, J. H., & Watson, M. W. (2020). Introduction to Econometrics (4th Edition). Pearson. Using R for Introductory Econometrics, Florian Heiss. Basic Econometrics, by D. Gujarati, McGraw-Hill, 5th edition. Applied Econometrics with R, by Kleiber and Zeileis, Springer-Verlag, 2008. | |||||||||||||||||||||
Teaching Methods | Active Learning Flipped Learning | |||||||||||||||||||||
Homework and Projects | Pre and post class assignments | |||||||||||||||||||||
Laboratory Work | NA | |||||||||||||||||||||
Computer Use | Yes | |||||||||||||||||||||
Other Activities | NA | |||||||||||||||||||||
Assessment Methods |
|
|||||||||||||||||||||
Course Administration |
erkoln@mef.edu.tr 02123953670 Course Instructor: Asst. Prof. Narod Erkol (erkoln@mef.edu.tr) Attendance/participation: Students are expected to prepare for the lecture via pre-class assignments, videos and reading materials. Students are responsible to follow the announcements, course materials available on Blackboard system. Formal use of e-mails: Students are expected to use their @mef accounts for email traffic. The instructor is only responsible for the information sent/received through Blackboard system and emails using @mef account. The course instructor assumes that any information sent through email will be received in 24 hours, unless a system problem occurs. Grading and evaluation: Evaluation will be based on the student learning outcomes. It is strongly recommended to complete all the work in a timely fashion. Late submissions will not be accepted. Missing projects: No make up unless a legitimate proof of absence is presented. Missing final exam: Faculty regulations. Academic integrity: All students of MEF University are expected to be honest and comply with academic integrity. Students are expected to do their own work and neither give nor receive unauthorized assistance. Disciplinary action will be taken in case of suspicion. Improper behavior, academic dishonesty and plagiarism: Law on Higher Education Article 54. Important: If the learner cannot collect at least 30 points from the activities other than the final exam, they can not take the final exam and will get an FZ grade. |
Activity | No/Weeks | Hours | Calculation | ||||
No/Weeks per Semester | Preparing for the Activity | Spent in the Activity Itself | Completing the Activity Requirements | ||||
Ders Saati | 14 | 2 | 3 | 70 | |||
Ödevler | 4 | 0 | 8 | 32 | |||
Ara Sınavlar | 1 | 15 | 2 | 17 | |||
Final | 1 | 15 | 2 | 17 | |||
Total Workload | 136 | ||||||
Total Workload/25 | 5.4 | ||||||
ECTS | 5 |