Õppeaine eesmärk on anda üliõpilastele hea arusaam kaasaegse regressioonanalüüsi tööriistadest, mida saab rakendada erinevate analüüsiülesannete lahendamiseks, sealhulgas põhjuslike järelduste tegemisel ja prognoosimisel.

The aim of this course is to help students develop a solid understanding of the tools of modern regression analysis, applicable to a wide range of data analytic tasks, including causal inference and prediction.

Õppeaine läbinud üliõpilane mõistab ökonomeetria teoreetilisi aluseid ja kasutab ökonomeetrilisi tööriistu andmeanalüüsiks Stata tarkvara abil, sh üliõpilane:
- eristab erinevaid andmetüüpe (nt ristandmed, aegread, paneelid) ning mõistab nende omadusi;
- viib läbi graafilist analüüsi;
- mõistab ökonomeetrilise mudeli valiku ja spetsifikatsiooni põhimõtteid;
- rakendab regressioonanalüüsi sobilike hinnangfunktsioonidega;
- tõlgendab regressioonitulemusi ja teeb neist sisukaid järeldusi;
- valideerib empiirilisi tulemusi, hinnates mudeli eeldusi ja paikapidavust;
- tuvastab modelleerimisvalikute võimalikke piiranguid;
- esitab empiirilisi tulemusi veenvalt ja seda nii graafiliselt kui ka sõnades;
- hindab kriitiliselt teiste poolt läbi viidud empiiriliste analüüside paikapidavust.

After completing the course, the student understands the theoretical foundations of econometrics and is equipped to apply econometric tools for data analysis using Stata software, including tools and skills to:
- distinguish between different data types (e.g., cross-sectional, time series, panel data) and understand their properties;
- conduct graphical analyses;
- understand the basic principles of econometric model selection and specification;
- perform regression analysis using appropriate estimators;
- interpret regression results and derive meaningful insights;
- validate empirical results by assessing model assumptions and goodness-of-fit;
- diagnose potential limitations of modeling choices;
- communicate empirical findings effectively, both graphically and verbally;
- critically evaluate the validity of empirical analyses conducted by others.

Ökonomeetria mõiste ja ülesanded, põhjuslikkuse mõiste, andmetüübid, tõenäosuse ja statistika materjalide ülevaade. Regressioon ühe regressoriga, harilik vähimruutude (OLS) hinnangfunktsioon. Hüpoteeside testimine, usalduspiirid. Mitmene regressioon, F-test. Mittelineaarsed populatsiooni regressioonifunktsioonid. Mudelisisene ja väline valideerimine. Paneelandmed. Binaarne sõltuv muutuja. Instrumentaalsete muutujatega regressioon. Aegread. Stabiilsuse testid. Statsionaarsuse mõiste, ühikujuure testid.

Introduction to econometrics, concept of causality, types of the data, review of material from probability and statistics. Regression with a single regressor, ordinary least square (OLS) estimator. Hypothesis tests, confidence intervals. Multiple regression, F-test. Nonlinear population regression functions. Internal and external validity. Panel data models. Binary dependent variable. Regression with instrumental variables. Time series data. Tests for stability. Stationarity concept, unit root tests.

Täpsemalt vaata laiendatud ainekavast.

See the extended syllabus for details.

Üliõpilane loeb õpikut, töötab läbi õppematerjalid ja lahendab ülesandeid.

Student reads textbooks, goes through the study materials, and solves exercises.

Stock, J. H., & Watson, M. W. (2020). Introduction to econometrics. Pearson Education Limited. 4th ed.
Lisakirjandus:
Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach. Cengage Learning. 7th ed.
Lee C. Adkins, R. Carter Hill. (2011). Using Stata for Principles of econometrics. John Wiley & Sons. 4th ed.
Hill, R. C., Griffiths, W. E., & Lim, G. C. (2018). Principles of econometrics. John Wiley & Sons. 5th ed.

Natalia Levenko, vanemlektor (ME - majandusanalüüsi ja rahanduse instituut)