Kesit Verilerinin Ekonometrisi
- Ders
- ECON350 - Kesit Verilerinin Ekonometrisi
- Bölüm
- Ekonomi - İngilizce - Lisans
- Ders Tipi
- Ders
- Durum
- Zorunlu
- Dil
- İngilizce
- Kredi
- 3
- AKTS
- 6
- T+P+L
- 3 + 0 + 0
- Ders Koordinatörleri
- -
- Ön Koşul
- -
- Anahtar Sözcükler
Ders Açıklaması
Bu ders, anketler ve deneysel tasarım yoluyla birincil veri toplamaya odaklanmaktadır. İkincil verilere dayanan geleneksel ekonometri derslerinin aksine, öğrenciler ikili yanıtlı anketler geliştirecek ve uygulayacak, basit rastgele deneyler yapacak ve örnekleme, kodlama ve tahmin konularında kapsamlı beceriler kazanacaklardır. Tartışılan temel modeller arasında doğrusal olasılık modeli, logit, probit ve temel ayrık seçim modelleri yer almaktadır. Pratik laboratuvar oturumları, öğrencileri gerçek dünya verilerini analiz etmek için gerekli sözdizimi becerileriyle donatmak üzere tasarlanmıştır. Temel anlayışı oluşturmak için ikili ve Likert ölçek formatları arasındaki kavramsal ayrıma erken bir giriş sağlanmaktadır. Pratik vurgu, ikili ve deneysel anket metodolojileri üzerinedir.
Kesit Verilerinin Ekonometrisi
Değerlendirme Araçları (Aktif Dönem)
Değerlendirme öğesi tanımlanmamış.
Ders çıktıları
Henüz ders çıktısı tanımlanmamış.
Ders Müfredatı
| Hafta | Konu |
|---|---|
| Hafta 1 | Introduction to Statistical Methodoly |
| Hafta 2 | Economic Decision models |
| Hafta 3 | Cross sectional data |
| Hafta 4 | Simple regression review ; interpretation of Coefficient |
| Hafta 5 | Introduction to Dataset; Descriptive Statistics in Stata |
| Hafta 6 | Dummy Variables and Treatment Effects |
| Hafta 7 | Midterm |
| Hafta 8 | Linear Probability Model(LPM) |
| Hafta 9 | Logit model- Intuition |
| Hafta 10 | Logit Estimation and Interpretation |
| Hafta 11 | Marginal Effects |
| Hafta 12 | Model Comparison: LPMvs LOgit |
| Hafta 13 | Applied Interpretation & policy Relevance |
| Hafta 14 | Project Guidance and discussion |
| Hafta 15 | Final; Project submission |
Referans Kitaplar & Ders Materyalleri
- 01 Jeffery Wooldridge, Introductory Econometrics: A modern Approach-7thEd, 2020.
- 02 Alan Agresti, Categorial Data Analysis, 2013.
Ders Çıktıları
- L01 To define quantitative survey mechanisms SOLO 2
- L02 To categorize primary data and secondary data SOLO 4
- L03 İkili ve kategorik sonuçları işlemek için SOLO 3
- L04 Anket ve deneysel verilerin mantığını göstermek için ikili değişkenleri kodlayın ve yorumlayın. SOLO 2
- L05 Nedensel akıl yürütmeyi matematiksel türetmelerden ziyade uygulamalı becerilerle tahmin etmek ve yorumlamak. SOLO 5
Program Çıktıları
- P01 1. Hayatları ve gelecekteki kariyerleri boyunca uygulayacakları tüm öğrenme araçlarını ve tekniklerini öğrenmiş ve uygulamış olacaktır.
- P02 2. Kendi başlarına başarılı bir şekilde akademik ve iş hayatında çalışabilmeleri için bilgi ve becerilerine güven duyacaklardır.
- P03 3. Hem pazarlama hem de dijital alanlarda edindiği temel bilgi ve becerilerle üst düzey bir profesyonelliğe ulaşmış olacaktır.
- P04 4. Dijital pazarlama, web teknolojileri, yeni medya ve yönetimin temel alanlarındaki temel iş ilkelerinin yanı sıra bir organizasyonun işleyişinde bu disiplinlerin birbirine olan bağımlılıklarını sağlam bir şekilde anlamış olacaklardır.
- P05 5. Yaratıcı ve analitik yaklaşımlara dayalı olarak, yazılı, sözlü ve dijital formlardaki bilgi ve becerilerini hedef kitleye eleştirel bir şekilde uygulayabilecektir.
- P06 6. Hem çalışmalarında hem de kariyerlerinde sosyal medya, mobil teknoloji, web analizi, arama motoru optimizasyonu ve viral reklamcılık gibi çeşitli yeni medyaların etik ve korumalı kullanımına ilişkin anlayışı göstermiş olacaklardır.
- P07 7. İşbirliğine dayalı okulda ve iş hayatındaki çalışmalar ile ilgili planlama, karar verme ve problem çözme için iş dünyasındaki en iyi teknikleri uygulamış olacaktır.
- P08 8. Çok kültürlü eğitim ve iş bağlamlarında gerekli olan derinlemesine analiz ve senteze ek olarak etkili iletişim becerileri göstermiş olacaktır.
- P09 9. Mevcut kanıtlarla iş sorunlarını tanımlama, gerçekleri görüşlerden ayırt etme, altta yatan nedenleri belirleme ve olası çözümleri formüle etme ve değerlendirme yeteneği ile karakterize edilen eleştirel düşünme sergilemiş olacaktır.
- P10 10. Web trafiği akışlarını, görünürlüğü, tüketici memnuniyetini ve yanıt oranlarını artırmak yönelik olarak etkili sosyal medya pazarlama stratejileri için dijital içeriğin geliştirilmesi ve oluşturulması ve etkileşimli web sitelerinin etkinliğinin tasarlanması ve değerlendirilmesi yoluyla fikir ve kavramları uygulayabilecek.
- P11 11. İşlerinde ve eylemlerinde somut bir bütünlüğe sahip olacak, gizliliğe saygı duyacak, dijital pazarlama endüstrisinde genel kabul görmüş davranış kurallarına uyacaktır.
- P12 12. Dijital pazarlamanın daha iyi anlaşılmasını sağlamak için kendilerini etik kurallara uymaya, sosyal medya, çatışma ve vatandaşlıkla ilgili gizlilik sorunlarını iyileştirmeye adamış olacaklardır.
Pç-Dç Matrisi
| ÖÇ | P01 | P02 | P03 | P04 | P05 | P06 | P07 | P08 | P09 | P10 | P11 | P12 | Ortalama |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| L01 | - | - | - | - | - | - | - | - | - | - | - | - | - |
| L02 | - | - | - | - | - | - | - | - | - | - | - | - | - |
| L03 | - | - | - | - | - | - | - | - | - | - | - | - | - |
| L04 | - | - | - | - | - | - | - | - | - | - | - | - | - |
| L05 | - | - | - | - | - | - | - | - | - | - | - | - | - |