School/Faculty/Institute | Faculty of Economics, Administrative and Social Sciences | ||||
Course Code | ECON 302 | ||||
Course Title in English | Econometrics II | ||||
Course Title in Turkish | Ekonometri I | ||||
Language of Instruction | EN | ||||
Type of Course | Flipped Classroom | ||||
Level of Course | Select | ||||
Semester | Spring | ||||
Contact Hours per Week |
|
||||
Estimated Student Workload | 136 hours per semester | ||||
Number of Credits | 5 ECTS | ||||
Grading Mode | Standard Letter Grade | ||||
Pre-requisites |
ECON 301 - Econometrics I |
||||
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 course is the second part of the course “Econometrics I” and the aim is to provide students the scope and the methodology of econometrics using different techniques. After a brief recap on the first part of the econometrics course, students will first be introduced to regression analysis with panel data. Later, the discussion will be extended to topics such as, regressions with binary explanatory variables, regressions with binary dependent variables, instrumental variable regressions, and time series regression. Each topic will be discussed as a theoretical approach and applications for every topic will be covered during the term. Students will model simple applications using Excel or STATA statistical software on a variety of datasets. 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 different models and gain insight into the interpretation of empirical economic research findings. | ||||
Course Description in Turkish | Ekonometri dersinin ikinci kısmı olan bu dersın amacı, öğrencilerin ekonometr konusundaki temek bilgilerini kullanarak farklı teknikler öğrenmeleri bu teknikleri basit modellerde uygulayabilip yorumlayabiliyor olmalarını sağlamaktır. Ekonometrı I dersinin kısa bir özetinden sonra, öğrencilere öncelikle panel veri ile regresyon analizi konusu anlatılacaktır. Daha sonra, açıklayıcı değişkenlerle regresyonlar, bağımlı değişkenlerle regresyonlar, ve zaman serisi regresyonu gibi konulara değinilecektir. Her konu teorik olarak ele alınacak ve sonrasında konu uygulamalı örneklerle pekiştirilecektir. Öğrenciler, dönem boyunca çeşitli veri setleri üzerinde Excel veya STATA programını kullanarak basit uygulamalar modelleyeceklerdir. Ders başarı ile tamamlandığında, öğrenci, farklı 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) Farklı tekniklerle elde edilen regresyon sonuçlarını yorumla. 2) Ekonomik verileri standart lineer regresyon modeli kullanarak analiz etme. 3) Ekonometrik modellerden çıkarım yapma ve ilgili sonuçları değerlendirme. 4) Basit ekonometrik modelleri oluşturma ve sonuçları yorumlama. |
Program Learning Outcomes/Course Learning Outcomes | 1 | 2 | 3 | 4 |
---|---|---|---|---|
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 | Spring |
Name of Instructor | Dr. Öğr. Üyesi NAROD ERKOL |
Hafta | Konu |
1) | Derse giriş, ECON 301 tekrarı |
2) | Çoklu değişkenli lineer regresyon modeli tekrarı |
3) | Panel data kullanarak regresyon analizi |
4) | İkili Açıklayıcı Değişkenler ile Regresyonlar |
5) | İkili Açıklayıcı Değişkenler ile Regresyonlar: Uygulama |
6) | İkili bağımsız değişkenler ile regresyon analizi |
7) | İkili bağımsız değişkenler ile regresyon analizi: Uygulama |
8) | Ara sınav |
9) | Instrumental Variable Regression |
10) | Instrumental Variable Regression: Application |
11) | Zaman serileri ile regresyon analizi ve tahmin |
12) | Zaman serileri ile regresyon analizi ve tahmin: Uygulama |
13) | Zaman serileri ile regresyon analizi: Ek konular |
14) | Genel tekrar |
15) | Final sınavı |
16) | 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 | Calculation | |||
No/Weeks per Semester | |||||
Ders Saati | 28 | 140 | |||
Ödevler | 8 | 64 | |||
Ara Sınavlar | 2 | 34 | |||
Final | 2 | 34 | |||
Total Workload | 272 | ||||
Total Workload/25 | 10.9 | ||||
ECTS | 5 |