Kursplan för Tidsserieanalys

Time Series Analysis

Kursplan

  • 7,5 högskolepoäng
  • Kurskod: 2ST093
  • Utbildningsnivå: Grundnivå
  • Huvudområde(n) och successiv fördjupning: Statistik G1F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2007-05-31
  • Inrättad av: Samhällsvetenskapliga fakultetsnämnden
  • Reviderad: 2021-09-09
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: vecka 03, 2022
  • Behörighet: Minst 15 hp från Statistik A, 30 hp
  • Ansvarig institution: Statistiska institutionen

Mål

En student som gått kursen skall

- ha fördjupade kunskaper inom statistisk teori och metodik, särskilt med anknytning till ofta förekommande problemställningar inom ekonomiska och samhällsvetenskapliga tillämpningar
- kunna estimera ekonomiska och andra modeller i samhällsvetenskaperna för tidsseriedata.
- kunna tolka resultaten av en genomförd modellanpassning
- vara medveten om begränsningar och eventuella felkällor i analysen
- ha förmåga att såväl i muntlig som skriftlig form redovisa resultat av genomförda undersökningar

Innehåll

Översikt över olika prognostekniker. Modeller för tidsserier. Tidsberoende säsongkomponenter. Autoregressiva (AR), moving average (MA) och blandade ARMA-modeller. Random walk-modellen. Box-Jenkins metodologi. Prognoser med ARIMA och VAR modeller.
Dynamiska modeller med tidsförskjutna förklarande variabler. Koyck-transformationen. "Partial adjustment" och "adaptive expectation" modeller. Grangers kausalitetstest. Stationaritet, enhetsrötter och kointegration. Modellering av volatilitet: ARCH- och GARCH-modellen.

Undervisning

Undervisning ges i form av föreläsningar och räkneövningar

Examination

Examinationen sker dels genom ett skriftligt prov i slutet av kursen och dels genom redovisning skriftligt och muntligt av ett antal obligatoriska inlämningsuppgifter, så kallade laborationer. De betyg som kan ges på en kurs är: icke godkänd, godkänd respektive väl godkänd.

"Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare."

Litteratur

Litteraturlista

Gäller från: vecka 03, 2022

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

  • Cryer, Jonathan D.; Chan, Kung-sik Time series analysis : with applications in R

    2. ed.: New York: Springer, cop. 2008

    Se bibliotekets söktjänst

    Obligatorisk