Statistik B, 8 hp

Multiple Regression and Time Series Analysis, 8 credits

732G71

Huvudområde

Statistik

Utbildningsnivå

Grundnivå

Kurstyp

Fristående- och programkurs

Examinator

Jolanta Pielaszkiewicz

Kursansvarig

Jolanta Pielaszkiewicz

Studierektor eller motsvarande

Jolanta Pielaszkiewicz
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort/Campus VOF
F7YEK Civilekonomprogrammet 3 (HT 2020) 202045-202050 Svenska Linköping, Valla O

Huvudområde

Statistik

Utbildningsnivå

Grundnivå

Fördjupningsnivå

G1F

Kursen ges för

  • Civilekonomprogrammet

Förkunskapskrav

Grundläggande behörighet samt genomgången kurs Statistik A eller motsvarande.

Lärandemål

Efter avslutad kurs skall den studerande kunna

  • formulera, anpassa, analysera och tolka modeller för enkel och multipel linjär regression samt klassiska modeller för tidsseriedata
  • bedöma anpassade regressionsmodeller och välja modell utifrån olika kriterier
  • genomföra och bedöma prognoser utifrån anpassade modeller
  • använda kunskap om modeller och metoder för regressions- och tidsserieanalys för att besvara frågeställningar i nationalekonomiska och företagsekonomiska studier.

Kursinnehåll

Kursens mål är att den studerande skall tillägna sig metodik för att analysera samt tolka statistiska modeller för samband mellan variabler och statistiska modeller för tidsseriedata .

  • Modeller för enkel och multipel linjär regression: formulering, anpassning, statistisk inferens för skattade parametrar, prognoser för nya värden, icke-linjära och kvalitativa förklaringsvariabler, residualanalys, multikolinjäritet, avvikande observationer, modellvalsmetoder, exponentiella modeller och elasticitetsmodeller.
  • Modeller för tidsseriedata : tidsserieregression, klassisk komponentuppdelning, exponentiella utjämningsmetoder för prognoser.

Analys av data med hjälp av statistisk programvara.

  • Projektarbete med frågeställningar relaterade till existerande data av nationalekonomisk eller företagsekonomisk karaktär.

Undervisnings- och arbetsformer

Undervisningen består av schemalagda föreläsningar, lektioner, datorövningar och räknestugor. Lektioner är lärarledda övningstillfällen medan datorövningar och räknestugor är självständigt arbete med tillgång till handledning. Projektarbete utförs i grupp på icke schemalagd. Dessutom ska den studerande utöva självstudier.

Examination

Kursen examineras genom skriftlig tentamen och skriftlig redovisning av utfört projektarbete.

Om LiU:s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det. Om koordinatorn istället har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

Tregradig skala, U, G, VG

Övrig information

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
TENT Tentamen 5.5 hp U, G, VG
PROJ Projekt 2.5 hp U, G, VG

Böcker

Bowerman, B.J., O'Connell, R, Koehler, A., (2005) Forecasting, Time Series and Regression. 4th ed. Duxbury

ISBN: 0534409776

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.