| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Veri Yönetimi ve Analizi | İVA 503 | | | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Bu dersi tamamlayan öğrenciler; 1- basit ve çoklu regresyon modellerini tahmin edebilir, 2- farklı fonksiyonel formları olan regresyon modellerinin tahminlerini yorumlayabilir 3- regresyon modellerinin parametreleri üzerinde hipotez testi gerçekleştirebilir 4- tahmin edilen regresyon modellerini kullanarak kestirim yapabilir 5- Farklı fonksiyonel formlarda olan regresyon modelleri arasından seçim yapabilir 6- Yanlış modelleme sorununu ve tahminciler üzerindeki olası etkilerini tespit edebilir 7- çoklu doğrusallık problemini tespit eder ve bu sorunu giderebilir, 8- Yapısal farklılıkları test eder ve yapısal farklılıkları kukla değişkenle modelleyebilir, Durumda olacaklardır. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
.Bu dersin kapsamı öğrencilere veri analitiği konusunda gerekli istatistik ve temel ekonometri kavramlarını öğretmektir. Uygulama ağırlıklı planlanan bu ders R-programlama dilini kullanacaktır. Öğrenciler bu ders içinde temel veri analizi, farlı fonksiyonel yapılardaki basit ve çoklu regresyon (OLS, MLE) modellerini ve tahminlerini, değişken varyans (heteroscedasticity), otokorelasyon, çoklu doğrusal bağlantı (multicollinearity), yapısal kırılma ve kukla değişkenler, öngörü ve öngörü değerlendirme konularını göreceklerdir. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Basit Doğrusal Regresyon Modelleri (SLRM): Giriş |
| 2 | SLRM: En Küçük Kareler Tahmin Yöntemi |
| 3 | SLRM: En Küçük Kare Tahmincilerinin Özellikleri |
| 4 | SLRM: Uyumun İyiliği |
| 5 | SLRM: Hipotez Testi ve Güven Aralığı |
| 6 | SRLM: Farklı Fonksiyonel Formlarla Regresyon Modeli. |
| 7 | SRLM: Yanlış Modelleme & Model Seçimi |
| 8 | Çoklu Doğrusal Regresyon Modelleri (MLRM): Giriş & Tahmin |
| 9 | MLRM: Tahmin (devamı) & Uyumun İyiliği |
| 10 | MLRM: Hipotez Testi ve Güven Aralığı |
| 11 | MLRM: Yanlış Modelleme & Model Seçimi |
| 12 | MLRM: Çoklu Bağıntı |
| 13 | Yapısal farklılıklar/değişimler ve kukla/gösterge değişkenler |
| 14 | Değişken varyans ve ardışık bağıntı |
| |
| Kaynaklar: |
| Jeffrey M. Wooldridge Introductory Econometrics Cengage Learning 2016 978-1-305-27010-7
Christopher Dougherty Introduction to Econometrics Oxford Press 2016 978-0-19-967682-8
Judge-Hill-Griffith Principles of Econometrics Wiley 2012 978-0-470-87372-4
|
| |
| Diğer Kaynaklar: |
| |
| |
| Öğretim Yöntem ve Teknikleri: |
| Haftada 3 saat teorik ve bilgisayar uygulamalı |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Aktiviteler | 3 | %60 |
| Final Sınavı | 1 | %40 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |